MarkItDown 소개 — 파일을 Markdown 으로
MarkItDown 소개 — 파일을 Markdown 으로
MarkItDown 은 다양한 형식의 파일을 Markdown 으로 변환해주는 마이크로소프트의 가벼운 파이썬 유틸리티예요. LLM 과 텍스트 분석 파이프라인에서 쓰기 좋게 문서 구조(헤딩, 리스트, 표, 링크)를 보존해요.
지원 형식
- PDF, PowerPoint, Word, Excel.
- 이미지(EXIF 메타데이터와 OCR).
- 오디오(메타데이터와 음성 전사).
- HTML, 텍스트 기반 형식(CSV·JSON·XML).
- ZIP(압축 내용 순회), EPub, YouTube URL 등.
왜 Markdown 일까
- Markdown 은 일반 텍스트에 가깝고 마크업이 최소면서도 문서 구조를 표현해요.
- GPT-4o 같은 주류 LLM 이 마크다운을 네이티브로 "이해" 해요.
- 토큰도 효율적이에요.
특징
- CLI 와 파이썬 API 모두 제공.
- 선택적 의존성:
[all]로 전체 설치하거나[pdf],[docx]등 개별 확장 가능. - 플러그인:
markitdown-ocr처럼 OCR·이미지 이해(LLM Vision)를 더할 수 있어요. - Azure 연동: Document Intelligence·Content Understanding 으로 클라우드 고품질 변환 지원.
시작
pip install 'markitdown[all]'
markitdown path-to-file.pdf > document.md