microsoft/markitdown

これは何？

主な機能

• 01PDF、Office文書、HTML、テキスト形式、ZIPアーカイブをMarkdownに変換
• 02出力で見出し、リスト、表、リンクを保持
• 03コマンドラインインターフェースとPython APIの両方を提供
• 04オプションのextrasを使い、選択した形式の依存関係だけをインストール
• 05クラウド抽出向けにAzure Document IntelligenceとAzure Content Understandingに対応
• 06追加形式に対応するサードパーティ製プラグインをサポート

ユースケース

• LLMのプロンプトや検索パイプラインで使うコンテキストとして、文書をMarkdownに整形
• OfficeファイルやPDFを一括変換し、テキスト分析に利用
• YouTubeの字幕や音声ファイルからテキストを抽出
• 構造化された文書コンテンツをLangChainやAutoGenのワークフローに取り込む

クイックスタート

1. 1

   すべてのオプション依存関係を含めて pip でインストールする

   pip install 'markitdown[all]'
2. 2

   コマンドラインからファイルを Markdown に変換する

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

使う前に知っておきたいこと

• !出力は、人が読みやすい形式への高精度な変換ではなく、テキスト分析や LLM パイプラインを目的としています。
• !Python 3.10～3.14 が必要です。
• !画像の説明、Document Intelligence、Content Understanding などの一部機能には Azure または LLM の API キーが必要で、費用が発生します。

トピック

よくある質問

markitdown とは？

PDF、Office文書、HTML、画像、音声などをMarkdownに変換するPythonユーティリティ。LLMやテキスト分析のパイプラインに活用できます。 MarkItDownは、PDF、PowerPoint、Word、Excel、HTML、CSV、JSON、XML、EPUB、ZIPアーカイブなどのファイルをMarkdownに変換する、軽量なPythonライブラリ兼コマンドラインツールです。見出し、リスト、表、リンクなどの文書構造を保つことを目指しており、変換結果は大規模言語モデルや他のテキスト分析ツールに渡して利用できます。

markitdown は無料で使えますか？ライセンスは？

markitdown は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

markitdown は今もメンテナンスされていますか？

活発にメンテナンス中。markitdown の最終コミットは 2026年10月4日 です。

markitdown は何に使えますか？

LLMのプロンプトや検索パイプラインで使うコンテキストとして、文書をMarkdownに整形 OfficeファイルやPDFを一括変換し、テキスト分析に利用 YouTubeの字幕や音声ファイルからテキストを抽出 構造化された文書コンテンツをLangChainやAutoGenのワークフローに取り込む

markitdown のインストール方法は？

すべてのオプション依存関係を含めて pip でインストールする: pip install 'markitdown[all]' コマンドラインからファイルを Markdown に変換する: markitdown path-to-file.pdf -o document.md

markitdown はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/microsoft/markitdown