MarkItDown
La utilidad Python de Microsoft convierte documentos, páginas y otros archivos a Markdown para procesarlos con modelos de lenguaje.
Descripción
MarkItDown es una utilidad de código abierto en Python desarrollada por Microsoft que convierte distintas fuentes a Markdown. El resultado está pensado principalmente para el análisis posterior con modelos de lenguaje.
Admite PDF, Word, Excel, PowerPoint, HTML, formatos de texto estructurado, archivos comprimidos y otras fuentes. Intenta conservar títulos, listas, tablas y enlaces, pero no reproducir con precisión el diseño original.
Se ofrece mediante línea de comandos, API de Python y un servidor MCP oficial. Algunos formatos y funciones, como la descripción de imágenes o la transcripción de audio, requieren paquetes opcionales o servicios externos.
El proyecto principal es gratuito. La conversión utiliza los permisos del proceso que la ejecuta, por lo que hay que limitar el acceso a recursos locales y de red cuando se reciben rutas o URL no fiables.
