microsoft/markitdown

¿Qué es?

Funciones clave

• 01Convierte PDF, documentos de Office, HTML, formatos de texto y archivos ZIP a Markdown
• 02Conserva los encabezados, las listas, las tablas y los enlaces en el resultado
• 03Ofrece tanto una interfaz de línea de comandos como una API de Python
• 04Permite instalar solo las dependencias de los formatos seleccionados mediante extras opcionales
• 05Admite Azure Document Intelligence y Azure Content Understanding para la extracción en la nube
• 06Admite plugins de terceros para añadir compatibilidad con otros formatos

Casos de uso

• Preparar documentos en Markdown como contexto para prompts de LLM o flujos de recuperación de información
• Convertir archivos de Office y PDF por lotes para analizarlos como texto
• Extraer contenido de transcripciones de YouTube o archivos de audio y convertirlo en texto
• Incorporar contenido estructurado de documentos en flujos de trabajo de LangChain o AutoGen

Inicio rápido

1. 1

   Instalar con pip e incluir todas las dependencias opcionales

   pip install 'markitdown[all]'
2. 2

   Convertir un archivo a Markdown desde la línea de comandos

   markitdown path-to-file.pdf -o document.md

Antes de usarlo

• !La salida está pensada para el análisis de texto y los flujos de trabajo con LLM, no para una conversión de alta fidelidad y fácil lectura para las personas.
• !Requiere Python 3.10 a 3.14.
• !Algunas funciones, como las descripciones de imágenes, Document Intelligence y Content Understanding, necesitan claves de API de Azure o de LLM y generan costes.

Temas

Preguntas frecuentes

¿Qué es markitdown?

Utilidad de Python que convierte PDF, documentos de Office, HTML, imágenes, audio y más a Markdown para LLM y flujos de análisis de texto. MarkItDown es una biblioteca ligera de Python y una herramienta de línea de comandos que convierte archivos como PDF, PowerPoint, Word, Excel, HTML, CSV, JSON, XML, EPUB y archivos ZIP a Markdown. Busca conservar la estructura del documento, como los encabezados, las listas, las tablas y los enlaces, para que el resultado pueda usarse con modelos de lenguaje grandes u otras herramientas de análisis de texto.

¿markitdown es gratuito? ¿Qué licencia tiene?

markitdown es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿markitdown sigue mantenido?

Mantenimiento activo. El último commit de markitdown fue el 4 oct 2026.

¿Para qué puedo usar markitdown?

Preparar documentos en Markdown como contexto para prompts de LLM o flujos de recuperación de información Convertir archivos de Office y PDF por lotes para analizarlos como texto Extraer contenido de transcripciones de YouTube o archivos de audio y convertirlo en texto Incorporar contenido estructurado de documentos en flujos de trabajo de LangChain o AutoGen

¿Cómo se instala markitdown?

Instalar con pip e incluir todas las dependencias opcionales: pip install 'markitdown[all]' Convertir un archivo a Markdown desde la línea de comandos: markitdown path-to-file.pdf -o document.md

¿Dónde consigo markitdown?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/microsoft/markitdown