mcpField
T
to-markdown

to-markdown

github.com/steveclarke文档处理3673 次安装1 天前更新
代码仓库

关于 to-markdown

基于 Microsoft 的 markitdown 将多种文件和链接内容转换为 Markdown 的技能，适用于文档整理与快速查看。它涵盖办公文档、结构化文本、音频和 YouTube 等来源，并提示格式转换的局限。

主要功能

  1. 01转换 PDF、Word、Excel 和 PowerPoint
  2. 02提取 HTML 与结构化文本
  3. 03通过 OCR 处理图像
  4. 04转录音频并提取 YouTube 字幕
  5. 05将结果输出到终端或文件

适用场景

  1. 01将报告导入知识库
  2. 02把收到的 Word 文档转成 Markdown
  3. 03批量转换目录中的 PDF
  4. 04快速查看 PDF 内容

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/steveclarke/dotfiles --skill to-markdown

安装后在 Claude Code 中输入/to-markdown确认已加载。

详细介绍

使用 markitdown 将文件转换为 Markdown。它是 Microsoft 的实用工具，可从多种文件格式中提取并整理内容。

支持的格式

格式备注
PDF提取文本；表格结构可能只是近似结果
Word (.docx)转换结果整洁，包含表格
Excel (.xlsx)将工作表转换为 Markdown 表格
PowerPoint (.pptx)幻灯片文本和结构
HTML清理后的易读内容
图片OCR（要获得最佳效果，需要 LLM 视觉能力）
音频通过 SpeechRecognition 转录
CSV / JSON / XML结构化文本
YouTube URL提取文字稿
EPub章节文本

用法

# Convert to stdout
markitdown input.pdf 2>/dev/null

# Save to file
markitdown input.pdf -o output.md 2>/dev/null

# Or redirect
markitdown input.docx 2>/dev/null > output.md

始终使用 2>/dev/null 屏蔽不会影响输出质量的字体或解析器警告。

工作流

  1. 检查是否已安装 markitdown：

    which markitdown || echo "not installed"

  2. 如果未安装，则安装（支持所有格式）：

    pip install 'markitdown[all]'

  3. 运行转换并屏蔽标准错误：

    markitdown "$INPUT_FILE" 2>/dev/null

  4. 根据用户意图处理输出：

    • 保存到知识库 → 写入合适的 .md 文件
    • 快速查看 → 在对话中展示
    • 多个文件 → 循环逐个转换

输出质量说明

  • PDF：文本会被忠实提取，但表格单元格可能会分散到多行（PDF 不会编码表格结构）。如果用户需要从 PDF 中提取整洁的表格，请说明这一限制。
  • Word/Excel：通常能生成整洁的输出，并正确设置表格格式。
  • 复杂版式：多栏 PDF 或格式繁杂的文档可能会打乱阅读顺序。
  • 扫描版 PDF：纯图片 PDF 无法提取文本，除非集成 OCR/LLM 视觉能力。

常见用例

将文档导入知识库：

markitdown report.pdf 2>/dev/null > knowledge/competitive/raw/report.md

转换别人发给你的 Word 文档：

markitdown meeting-notes.docx 2>/dev/null > notes.md

批量转换目录：

for f in docs/*.pdf; do
  markitdown "$f" 2>/dev/null > "${f%.pdf}.md"
done

查看 PDF 内容，以便决定如何处理：

markitdown document.pdf 2>/dev/null | head -50

评论

支持 Markdown