文档转markdown实测 - 微软markitdown

来源：黄建同学

微软markitdown出来之后，广受欢迎，今天我们来实测一下看看效果如何！

微博：

github：

测试时间：2024-12-16

1. 代码

比较简单，和github项目写的一样

PDF中的图片丢失，而且PDF里面的段落结构/标题/粗体也没有体现出来。

我试了一下以下代码，尝试用LLM去分析图片，一样的效果（看来LLM分析只适合图片分析）

输出内容包括Slide分割、每张Slide的标题和正文

图片输出为"内容占位符3.JPG"，有点奇怪

3. Word文档

保留大标题，小标题，图片有识别，转成一段base64的占位data

4. Excel文件

需要切换到以下代码，通过LLM来识别图像。

能够借助LLM识别并分析图片的内容

6. Audio音频

不支持中文音频，支持英文音频

尝试了传入LLM来解析中文音频，也不支持。

7. HTML文件

Head 标签里面的内容都没输出，其他内容正常。