markitdown — MarkItDown هي أداة Python خفيفة الوزن مصممة لتحويل تنسيقات الملفات والمستندات المكتبية المختلفة إلى Markdown، وهي محسنة خصيصاً للاستخدام مع نماذج اللغات الكبيرة (LLMs) ومسارات تحليل النصوص.

MarkItDown هي أداة Python خفيفة الوزن مصممة لتحويل تنسيقات الملفات والمستندات المكتبية المختلفة إلى Markdown، وهي محسنة خصيصاً للاستخدام مع نماذج اللغات الكبيرة (LLMs) ومسارات تحليل النصوص.

عن المشروع

MarkItDown هي أداة تعتمد على Python تقوم بتحويل تنسيقات ملفات متعددة إلى Markdown مع الحفاظ على هياكل المستندات مثل العناوين والقوائم والجداول والروابط. تم تصميمها لإعداد البيانات ليتم استهلاكها بواسطة نماذج اللغات الكبيرة (LLMs) وأدوات تحليل النصوص. التنسيقات المدعومة تشمل: - المستندات المكتبية: Word و PowerPoint و Excel (بما في ذلك تنسيقات .xls القديمة). - المستندات والويب: PDF و HTML و EPub. - تنسيقات البيانات: CSV و JSON و XML. - الوسائط المتعددة: الصور (EXIF و OCR)، والصوت (EXIF والنسخ النصي)، وروابط YouTube. - الأرشيفات: ملفات ZIP. الميزات والتكاملات الرئيسية: - التكامل مع LLM: تدعم استخدام عملاء LLM (مثل OpenAI) لإنشاء أوصاف الصور وإجراء OCR عبر الإضافات. - التكامل مع Azure: توفر تكاملاً اختيارياً مع Azure Document Intelligence و Azure Content Understanding للاستخراج السحابي عالي الدقة، بما في ذلك الدعم متعدد الوسائط للفيديو واستخراج الحقول المهيكلة (YAML front matter). - القابلية للتوسع: تدعم نظام إضافات لإضافة محولات تنسيقات ملفات جديدة. - الواجهة: توفر واجهة سطر أوامر (CLI) وواجهة برمجة تطبيقات Python (API) للدمج في سير عمل أكبر.