مایکروسافت اخیرا یک کتابخانه پایتون به نام MarkItDown منتشر کرده که ابزاری کاربردی برای تبدیل فایل‌های مختلف (فایل‌های پاورپوینت، پی‌دی‌اف، ورد، اکسل و...) به Markdown است.
‌
این موضوع برای تجزیه و تحلیل متون داخل فایل‌ها بسیار کاربردی‌ست.
‌
این کتابخانه در حال حاضر از pdf، پاورپوینت (pptx.)، ورد (.docx)، اکسل (xlsx.)، تصاویر (متادیتای EXIF ​​و OCR)، فایل صوتی (متادیتای EXIF ​​و رونویسی گفتار)، HTML (به خصوص در مورد ویکی‌پدیا و...) و برخی از سایر فرمت‌های مبتنی بر متن مثل csv, json, xml پشتیبانی می‌کند.
‌
شروع استفاده از این ابزار بسیار سریع و راحت است:
‌
from markitdown import MarkItDown

markitdown = MarkItDown()
result = markitdown.convert("test.xlsx")
print(result.text_content)
‌

🔗 مشاهده در GitHub
‌
برای درک بهتر کاربرد آن می‌توانید از دمویی که یک برنامه‌نویس خارجی در آدرس زیر قرار داده استفاده کنید:
https://msftmd.replit.app
‌

#Python #library