这个项目能做什么
MarkItDown 是一款基于 Python 的工具，可将多种文件格式转换为 Markdown，同时保留标题、列表、表格和链接等文档结构。它旨在为大语言模型 (LLM) 和文本分析工具准备可消费的数据。
支持的格式包括：
- 办公文档：Word、PowerPoint、Excel（包括旧版 .xls 格式）。
- 文档与网页：PDF、HTML、EPub。
- 数据格式：CSV、JSON、XML。
- 多媒体：图像（EXIF 和 OCR）、音频（EXIF 和转录）以及 YouTube URL。
- 压缩包：ZIP 文件。
关键特性与集成：
- LLM 集成：支持使用 LLM 客户端（如 OpenAI）通过插件生成图像描述并执行 OCR。
- Azure 集成：提供与 Azure Document Intelligence 和 Azure Content Understanding 的可选集成，以实现高保真云端提取，包括对视频的多模态支持和结构化字段提取（YAML front matter）。
- 可扩展性：支持插件系统以添加新的文件格式转换器。
- 接口：提供命令行界面 (CLI) 和 Python API，以便集成到更大型的工作流中。