# PDF- és Word-fájlok átalakítása AI számára szöveggé: a Microsoft MarkItDown eszköze
> Részletes áttekintés: Hogyan alakíthatók PDF- és Word-fájlok AI számára szöveggé: a Microsoft MarkItDown eszköze.
Source: https://ailoot.ai/blog/hu/markitdown-pdf-word-to-text/
Canonical: https://ailoot.ai/blog/hu/markitdown-pdf-word-to-text/
Language: hu
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-171
Revision: sha256-a22cbe83cded11dc6f00ca46ac8ae7a28e7a7f0846538ea8993c80912b7f038a
Lényeg
A MarkItDown a Microsoft ingyenes segédprogramja, amely a Word-, Excel-, prezentációs és PDF-fájlokat strukturált szöveggé alakítja az AI számára. Az Office-fájlokat töredékmásodperc alatt, tisztán dolgozza fel. A bonyolult elrendezésű PDF-ekből zűrzavart csinál, egy beszkennelt dokumentum esetén pedig üres fájlt ad vissza nulla kilépési kóddal. Alább megtalálja a működő telepítési parancsot, méréseket cirill betűs dokumentumokon, valamint azt a szabályt, hogy mikor érdemes másik eszközt használni.
További útmutatók az [Ailoot dokumentációjában](https://ailoot.ai/docs/) találhatók.
## Mi a MarkItDown, és mire való?
Lényeg
A MarkItDown a Microsoft Python-segédprogramja, amely beolvas egy fájlt, és strukturált szövegként adja vissza a tartalmát. A címsorok címsorokká, a táblázatok pedig táblázatokká válnak. Nyílt GitHub-repozitóriumban található, MIT-licenc alatt érhető el, egyetlen paranccsal telepíthető, és minden feldolgozást a saját gépén végez. Egyetlen feladata van: előkészíteni a dokumentumot úgy, hogy az AI ne csak a szavakat, hanem a szerkezetet is lássa.
Elküld egy szerződést, jelentést vagy könyvelési exportot az AI-nak, és olyan választ kap, amelynek semmi köze a dokumentumhoz. Ennek oka általában nem a modell. A fájl formátumot tartalmaz: a Word jelölésekkel ellátott archívum, az Excel cellák közötti hivatkozásokkal teli táblázat, a PDF pedig karakterek halmaza, oldalhoz kötött koordinátákkal. A modell szöveggel dolgozik, valakinek pedig ki kell nyernie ezt a szöveget.
Ezt végzi a MarkItDown. A repozitórium a [github.com/microsoft/markitdown](https://github.com/microsoft/markitdown) címen található, MIT-licenc alatt, így korlátozás nélkül használható. 2026. augusztus 18-án 174 412 csillaggal és 12 756 forkkal rendelkezik; a legutóbbi, 0.1.7-es kiadás július 29-én jelent meg. A projekt aktív, de a hangsúly a fejlesztésről a karbantartásra tevődött át: 481 nyitott pull requestje van, miközben teljes története során 183-at vontak össze.
A fejlesztők így írják le a célját:
A MarkItDown egy könnyű Python-segédprogram, amely különböző formátumú fájlokat alakít Markdownná nagy nyelvi modellek és kapcsolódó szövegelemzési folyamatok számára.
— Microsoft, projektleírás (fordítás), https://github.com/microsoft/markitdown
A leírás következő mondata megmagyarázza az eszközzel kapcsolatos panaszok felét:
Bár a kimenet gyakran egészen jól néz ki és emberbarát, szövegelemző eszközöknek szánják, és nem feltétlenül a legjobb választás az emberek által olvasásra szánt dokumentumok nagy hűségű átalakításához.
— Microsoft, projektleírás (fordítás), https://github.com/microsoft/markitdown
A kimenet egy modell számára készülő nyersanyag. Nem lesz belőle szép dokumentum, és a projekt ezt világosan közli, rögtön az első szakaszban.
A leírás arra is közvetlen választ ad, miért Markdown-formátumot használ: a vezető modellek már „beszélik” ezt a jelölőnyelvet, és kérés nélkül is beillesztik a válaszaikba, mert a tanítás során óriási mennyiséget láttak belőle. A jelölés ráadásul tömör: egy címsorhoz három kettőskereszt kell, nem egy tucat sor metaadat.
## Miben különbözik a MarkItDown egy hagyományos konvertertől?
Lényeg
Az olyan konverterek, mint a pandoc, egyik jelölőnyelvet alakítják át a másikká, és megőrzik az embereknek szánt elrendezést. A pandoc bemenetként egyáltalán nem fogad el PDF-et. A MarkItDown az ellenkező problémát oldja meg: kinyeri a tartalmat egy Office-fájlból, és úgy rendezi el, hogy a modell azonnal megértse, felesleges tokenfelhasználás nélkül. Nem célja a vizuális elrendezés megőrzése, és ez a teljes különbség.
A különbség egy példán jól látszik. Vegyünk egy mappát húsz PDF-fel, és próbáljuk meg a pandoc segítségével feldolgozni őket. Nem fog menni: a [pandoc](https://pandoc.org/) tud PDF-et előállítani, de beolvasni nem. Pedig ez a helyzet — „van egy halom dokumentumom, add oda őket a modellnek” — fordul elő a leggyakrabban.
A MarkItDown szerzői a textract nevű könyvtárral hasonlítják össze az eszközüket, amely egyszerűen bárhonnan kinyeri a szöveget. A különbség az, hogy a MarkItDown megpróbálja megőrizni a szerkezetet: a címsorokat, listákat, táblázatokat és hivatkozásokat.
| Funkció | pandoc | MarkItDown |
|----|----|----|
| PDF-ek beolvasása | nem | igen, korlátozásokkal |
| Word-, Excel- és prezentációs fájlok beolvasása | részben | igen |
| A kimenet célközönsége | emberek | modellek |
| Fő érték | az elrendezés hű megőrzése | szerkezet és alacsony karakterszám |
| Telepítés | önálló program | egy Python-parancs |
A gyakorlati következtetés egyszerű. Ha egy cikket szeretne publikálásra alkalmas elrendezéssé alakítani, használja a pandocot. Ha azt szeretné, hogy egy AI megértsen húsz szerződést, használja a MarkItDownt.
## Hogyan telepíthető a MarkItDown úgy, hogy ne az első kiadás kerüljön fel?
Lényeg
A 0.1.8-as kiadással a projektleírásban szereplő parancs telepíti a legújabb verziót Python 3.14 és 3.12 alatt; ezt nyolc tiszta környezetben újraellenőrizték. A projekt történetének második kiadására, a 0.0.2-re történő csendes visszaminősítés továbbra is előfordul Python 3.15 alatt, Intel Mac gépeken 3.14-gyel, illetve régebbi macOS-verziót futtató Mac gépeken 3.13-mal és 3.14-gyel. Ezekben az esetekben a telepítő sikeres telepítést jelez. Ezért használjon Python 3.12-t, név szerint sorolja fel a szükséges formátumokat, és azonnal ellenőrizze a verziószámot.
Először a helyes parancs következik, utána pedig az indoklás.
1. ### Ellenőrizze a Python verzióját
A Python 3.12 a legmegbízhatóbb: minden rajta tesztelt környezetben települ a legújabb MarkItDown. A `python3 --version` paranccsal ellenőrizheti, melyik verzió van telepítve. Intel Mac gépeken és régebbi macOS-verziót futtató gépeken a Python 3.13 és 3.14 csendes visszaminősítést okozhat; a Python 3.15 még nem támogatott, ahogy alább olvasható.
2. ### Telepítsen a felsorolt formátumokkal
Futtassa a `pip install 'markitdown[pdf,docx,xlsx,pptx]'` parancsot. Az idézőjelek szükségesek, különben a parancsértelmező a szögletes zárójeleket értelmezi. Intel Mac gépen az `install` után adja hozzá a `--prefer-binary` kapcsolót.
3. ### Rögtön ellenőrizze a telepítést
Futtassa a `markitdown --version` parancsot. A válasznak `markitdown 0.1.8`-nak vagy újabbnak kell lennie. Az alacsonyabb szám azt jelenti, hogy a telepítés visszaminősült; ez a szakasz elmagyarázza, miért.
```bash
pip install 'markitdown[pdf,docx,xlsx,pptx]'
markitdown --version
```
A projekt leírása a `pip install 'markitdown[all]'` parancsot tünteti fel fő parancsként, amellyel minden telepíthető egyszerre. 2026. szeptember 28-án, egy héttel a 0.1.8 megjelenése után négy változatot futtattak tiszta környezetekben, Apple Silicon Macen, Python 3.14.6 és 3.12.12 használatával:
| Parancs | Telepített verzió Python 3.14 alatt | Telepített verzió Python 3.12 alatt |
|----|----|----|
| `pip install markitdown` | 0.1.8 | 0.1.8 |
| `pip install 'markitdown[pdf,docx,xlsx,pptx]'` | 0.1.8 | 0.1.8 |
| `pip install 'markitdown[all]'` | 0.1.8 | 0.1.8 |
| `pip install 'markitdown[all]==0.1.8'` | 0.1.8 | 0.1.8 |
Mind a nyolc telepítés a „Successfully installed” üzenettel zárult, és a `markitdown --version` minden esetben 0.1.8-at adott vissza. Augusztusban, amikor még a 0.1.7 volt a legújabb kiadás, a harmadik parancs Python 3.14 alatt a 0.0.2-t telepítette, amely 2025. március 8-án jelent meg — a projekt történetének második kiadását. Most tizenegy stabil kiadása van, 0.0.1-től 0.1.8-ig, az előzetes kiadásokat is beleszámítva pedig huszonhat.
A függőségi lánc okozta a problémát. A 0.1.7-ben az `[all]` extra egy adott kiadássorozatból származó YouTube-feliratkönyvtárat húz be, és a sorozat összes kiadása deklarálja, hogy nem működik Python 3.14 alatt. A telepítő elutasítja ezeket, és mivel nincs verzió rögzítve, addig lépked vissza a MarkItDown-verziókon, amíg telepíthetőt nem talál. Megtalálja a 0.0.2-t, és telepíti, vagyis egy másfél évvel korábbi kiadás kerül a gépre. A 0.1.8-ban a feliratkönyvtár követelménye olyan sorozatra emelkedett, amely működik 3.14 alatt, így a visszaminősítés megszűnt.
A mechanizmus azonban továbbra is létezik. Ha a telepítő nem talál egy szükséges összetevőt az adott rendszerhez, ugyanígy csendben visszalép a 0.0.2-re. Az újabb verziókban ez az összetevő az onnxruntime motor, amelyet a fájltípus-érzékelő használ. Macen a következőképpen épül fel: Python 3.12-höz macOS 11 vagy újabb kell; 3.13-hoz macOS 13; 3.14-hez pedig kizárólag Apple Silicon és macOS 14 vagy újabb. Ha a Mac nem felel meg ezeknek a feltételeknek, még a sima `pip install markitdown` parancs is a 0.0.2-t telepíti. Egy Rosettán keresztül futó, Python 3.14-es Intel Macen végzett teszt pontosan ezt mutatta: „Successfully installed”, figyelmeztetés nélkül, a telepített verzió pedig 0.0.2 volt.
Az Intel Mac gépeknek van egy másik nehézségük is. 2026 júniusa óta a PDF-ek olvasásához behúzott cryptography könyvtárhoz nem adtak ki előre lefordított verziót ehhez a processzorhoz, így a telepítő megpróbálja forrásból lefordítani. Adja hozzá a `--prefer-binary` kapcsolót a parancshoz, és a program az előző, előre lefordított csomaggal rendelkező verziót használja. Intel gépen Python 3.13-mal tesztelve ez a 0.1.8-at telepítette, és a PDF megnyílt. A kapcsoló a cryptography 48.0.1-et telepíti, amelynek három ismert sérülékenysége van a PKCS#7 visszafejtésében és a tanúsítványlánc ellenőrzésében. A MarkItDown ezt csak titkosított PDF-ek visszafejtésére használja; a dokumentumok olvasása nem érinti ezeket a részeket.
Python 3.15 alatt két okból történik visszaminősítés. A 0.1.8 csak a 3.10 és 3.14 közötti verziókat támogatja, és a 3.15-höz még nincs motor. A telepítő feloldási eredménye is ezt igazolja: mind a sima parancs, mind a formátumokat megadó parancs ugyanazt a 0.0.2-t telepíti.
A visszaminősítési figyelmeztetés így néz ki, a parancs minden egyes extra csomagjára egy-egy sorban:
```
WARNING: markitdown 0.0.2 does not provide the extra 'all'
```
Ez a sor elvész a több tucat letöltési sor között, és nem árulja el, hogy melyik verzió került a kért helyére. Ha extra nélküli egyszerű parancsot használ, még figyelmeztetés sincs. A végső jelentés vidám: „Successfully installed.”
Az extra nélküli telepítés sem megoldás. Az alapcsomag feltelepül, de nem tud PDF-eket megnyitni:
```
PdfConverter recognized the input as a potential .pdf file, but the
dependencies needed to read .pdf files have not been installed. To resolve
this error, include the optional dependency [pdf] or [all] when installing
MarkItDown. For example:
* pip install 'markitdown[pdf]'
* pip install 'markitdown[all]'
```
Maga az eszköz az `[all]` használatát ajánlja, és a 0.1.8-cal ez ismét működik Python 3.14 és 3.12 alatt. Ettől függetlenül jobb név szerint felsorolni a formátumokat: az `[all]` még körülbelül tizenöt csomagot és 55 megabájtot ad hozzá, beleértve egy előzetes Azure-könyvtárat és éppen azt a YouTube-függőségi láncot, amely egyszer már megszakította a telepítést.
A telepítő maga kezeli az előzetes Azure-kiadást. A pip általában kihagyja az előzetes kiadásokat, de ebben az esetben a követelmény kifejezetten megnevez egyet, ezért telepíti. Négy pip-verziót teszteltek, 23.2-től 26.2-ig, Python 3.12 alatt; mindegyik a 0.1.8-at választotta.
Figyelem
Közvetlenül a telepítés után futtassa a `markitdown --version` parancsot. Öt másodperc az egész, és csak így tudhatja meg, hogy valóban azt telepítette-e, amit kért. A sikeres telepítésről szóló üzenet itt semmit sem jelent.
Augusztusban egy másik tiszta környezetben végzett újratelepítés is ugyanazt az eredményt adta: 0.0.2-t és a „Successfully” szót.
Néhány gyakorlati részletet érdemes előre tudni.
Elég nagy csomag: az alaptelepítés 143 megabájtot foglal, négy formátummal pedig 303-at. A legnagyobb összetevő, a 81 megabájtos fájltípus-érzékelő még az alaptelepítés részeként is bekerül. Ez laptopon nem számít, egy méretkorlátos felhőfüggvénynél viszont igen.
Ne számítson a tükrökre tartalékként. Egy tesztelt tükör biztosított indexet, és a MarkItDown-fájlok is elérhetők voltak, de egy szükséges függőség hiányzott, ezért a telepítés Python 3.14 és 3.12 alatt egyaránt meghiúsult.
A telepítés apróság a fő problémához képest. Sokkal gyakrabban azért ad zagyvaságot az AI, mert rossz dolgot — vagy annak rossz reprezentációját — kapta a kontextusablakába. Azt a képességet, hogy egy feladat előtt eldöntsük, mit adjunk a modellnek, kontextustervezésnek nevezik, és a dokumentum-előkészítés is ennek része.
## Hogyan alakíthatja át az első dokumentumát szöveggé?
Lényeg
Egyetlen terminálparancs: a program neve és a fájl útvonala. Alapértelmezés szerint az eredmény közvetlenül az ablakban jelenik meg, így egyből fájlba is mentheti. Három módszer van: kimenet a konzolra, írás kapcsolóval, vagy a fájl adatfolyamként való átadása. Saját szkriptekbe ágyazáshoz egy háromsoros Python-burkoló is rendelkezésre áll, amely URL-eket is elfogad.
A legrövidebb lehetőség:
```bash
markitdown dogovor.docx
```
A szöveg megjelenik a terminálban. Fájlba kétféleképpen mentheti:
```bash
markitdown dogovor.docx -o dogovor.md
markitdown dogovor.docx > dogovor.md
```
Macen és Linuxon elhanyagolható a különbség, Windows alatt viszont számít: a `>` jellel történő átirányítás összeomlaszthatja a programot, ha a kimenet cirill szöveget tartalmaz.
Fájlt adatfolyamként is átadhat; ilyenkor hasznos a kiterjesztésre utaló kapcsoló:
```bash
cat dogovor.docx | markitdown -x docx
```
A 0.1.8 súgójának fontosabb kapcsolói:
| Kapcsoló | Funkció |
|----|----|
| `-o`, `--output` | fájlba írja az eredményt, nem a terminálablakba |
| `-x`, `--extension` | kiterjesztésre utaló jelzés, ha a fájl adatfolyamként érkezik |
| `-m`, `--mime-type` | tartalomtípusra utaló jelzés |
| `-c`, `--charset` | karakterkódolásra utaló jelzés |
| `-d`, `--use-docintel` | feldolgozás a Microsoft fizetős felhőszolgáltatásán keresztül |
| `-v`, `--version` | megjeleníti a verziót |
Ugyanez a súgó további három hasznos kapcsolót is felsorol, és mindegyiket tesztelték: a `--list-plugins` megmutatja a telepített bővítményeket, a `-p` engedélyezi őket az adott futtatásra, a `--keep-data-uris` pedig megtartja a dokumentumba ágyazott képeket a kimenetben (alapértelmezés szerint körül vannak vágva). A többi beállítás a Microsoft felhőszolgáltatásaihoz tartozik.
A Python-burkoló három sorból áll:
```python
from markitdown import MarkItDown
md = MarkItDown()
print(md.convert("ostatki.xlsx").text_content)
```
Ugyanez a hívás URL-t is elfogad. Egy egyszerű oldalról tiszta, 167 karakteres szöveg érkezett, címsorral és hivatkozással, menü és lábléc nélkül:
```python
r = md.convert("https://example.com")
```
## Milyen formátumokat ért a MarkItDown, és mit jelent ez a gyakorlatban?
Lényeg
A projektleírás sokféle formátumot sorol fel: Office-fájlokat, PDF-eket, képeket, hangfájlokat, archívumokat, YouTube-hivatkozásokat és e-könyveket. Három elem nem úgy működik, ahogy a leírás alapján gondolnánk. Az ingyenes verzió egyáltalán nem ismeri fel a képeken lévő szöveget. A beszédet egy angol nyelvű motorhoz küldi. Az archívumokból pedig figyelmeztetés nélkül eltűnnek azok a fájlok, amelyeket nem tudott feldolgozni.
Összefoglaló táblázat arról, mit ígérnek, és mi történik valójában.
| Formátum | A leírás szerint | Mi történik valójában |
|----|----|----|
| Word, Excel, prezentációk | igen | tisztán működik; ez az erőssége |
| CSV, JSON, XML, HTML | igen | működik, de a CSV-nél elválasztójel-csapda van |
| PDF | igen | az elrendezéstől függ: az egyhasábos összeáll, a kéthasábos szétesik |
| Képek | „metaadatok és felismerés” | nincs felismerés, csak metaadat vagy fizetős vizuális modell |
| Hang | „beszédátírás” | a Google angol nyelvű motorjához kerül |
| ZIP-archívumok | „végigjárja a tartalmat” | amit nem tud feldolgozni, az csendben eltűnik |
| YouTube-hivatkozások | igen | csak a `''?...` formájú teljes hivatkozások |
| EPUB e-könyvek | igen | működik |
Három elem részletesebben.
Képek. A leírás OCR-t említ, ezért sokan azt várják, hogy a program elolvassa a fényképen lévő szöveget. Nem teszi. Egy külön programmal, az exiftoollal olvassa be a metaadatokat, és ha saját kulccsal csatlakoztat egy vizuális modellt, elküldheti neki a képet leírás készítésére.
Hang. A beszéd átírása elérhető, de a nyelvet nem adja tovább, és a motor alapértelmezés szerint angolt vár. Emellett a Google nem hivatalos, ingyenes végpontját hívja, amely kulcsonként naponta körülbelül ötven kérésre korlátozott.
Archívumok. A program kicsomagolja a ZIP-fájlokat, végigjárja a bennük lévő fájlokat, és összefűzi az eredményeket. Ha egy fájlt nem tud feldolgozni, elkapja és elnyomja a hibát. A fájl egyszerűen nem jelenik meg az eredményben, és Ön nem fog tudni róla.
## Mi történik a cirill betűs dokumentumokkal?
Lényeg
Három cirill betűs fájlt — egy Word-szerződést, egy Excel-készletnyilvántartást és egy prezentációt — dolgoztak fel a legújabb verzióval. Mindháromban sértetlenül megmaradt a cirill szöveg és a szám. Három helyen romlik el a feldolgozás: pontosvesszőt használó CSV-fájloknál, az Excel-cellák pénznemformázásánál és a Windows konzolkimeneténél. Mindháromra van kerülőmegoldás.
Az alábbi fájlokat kifejezetten tesztelésre készítették; az adataik kitaláltak.
Az Excel-készletnyilvántartás is ugyanolyan tisztán készült el, a munkalap neve címsorrá alakult:
```markdown
## Stock
| Item | In stock | Reserved | Available |
| --- | --- | --- | --- |
| Coffee beans, kg | 420 | 38 | 382 |
| Loose-leaf tea, kg | 180 | 52 | 128 |
```
A prezentáció szöveggé alakult, a diaszámok megjegyzésként jelentek meg, a diacímek pedig címsorokká váltak. A cirill szöveg itt is sértetlen. Az az általános kijelentés, hogy „a MarkItDown nem érti a cirill betűket”, hamis.
Most következik a három hely, ahol valóban elromlik valami.
Pontosvesszős CSV. Összehasonlításként két azonos számlaexportot dolgoztak fel. A vesszőt használóból megfelelő négyoszlopos táblázat lett. Pontosvesszőkkel az egész sor egyetlen cellába került.
A teljes sor egyetlen cellába került. A kódolást helyesen felismerte, hiba nem történt; a `-c` kapcsoló nem segít. A modell ezt a táblázatot kapja meg, és nem fogja érteni, melyik érték az összeg, és melyik az állapot. Exportálja újra a fájlt kifejezett vesszőelválasztóval és megfelelő kódolással, az eredeti módosítása nélkül. Ne cserélje globálisan a pontosvesszőket: az idézett szöveg elválasztójelei és a tizedesvesszők az érték részei lehetnek. Ha újraexportálás nem lehetséges, az eredetit a tényleges elválasztójával olvassa be, és idézést és cellaértékeket megőrző CSV-íróval készítsen új CSV-t. Elemzés előtt az oszlopszámot, sorszámot és ellenőrző összegeket hasonlítsa össze a forrásexporttal.
Excel-pénznemformázás. A pénznemszimbólum a cella megjelenítési beállításai között tárolódik, és nem kerül bele magába az értékbe. A projekt karbantartói megerősítették az okot. Árlistánál vagy számlánál ez számít: a modell olyan számokat fog látni, amelyekről nem tudja, milyen pénznemben vannak.
Windows-konzol. Nem latin karaktereket tartalmazó fájloknál a program összeomolhat.
A hibanaplóban szereplő `cp1251` kódolás a Windows-konzolra utal. Maga a dokumentum helyesen feldolgozódik; a terminálablakban történő megjelenítés hibázik. Két kerülőmegoldás van:
```powershell
markitdown dogovor.docx -o dogovor.md
$env:PYTHONUTF8 = "1"; markitdown dogovor.docx > dogovor.md
```
Az első teljesen megkerüli a konzolt, a második UTF-8 írására készteti a Pythont. Legalább hatszor nyújtottak be javítást magában az eszközben: néhány javaslatot lezártak összevonás nélkül, a többi pedig nyitva maradt. Ezért kerülőmegoldást kell használni.
A negyedik tünet a PDF-ekben jelenik meg: betűk helyett például `(cid:1090)` karakterláncok láthatók. Ez azt jelenti, hogy a fájl nem szabványos betűtáblát tartalmaz, és a karaktereket nem sikerült dekódolni. Nincs értelme ilyen dokumentumot MarkItDownnal feldolgozni; másik eszközre van szükség.
## Miért lesz zűrzavar a PDF-ből?
Lényeg
A PDF-ben nincs szerkezet, csak karakterek, az oldalon elfoglalt koordinátákkal. Az egyhasábos szöveg többé-kevésbé jól összeáll. A kéthasábosból zűrzavar lesz: a sorok a hasábok között összekapcsolódnak, a szavak összefolynak, az elrendezésből pedig olyan táblázatok lesznek, amelyek eredetileg nem is szerepeltek a dokumentumban. Az eszköz egyáltalán nem azonosítja a PDF-ek címsorait — ezt a forráskód és a független mérések is egyértelművé teszik.
Tesztelésre egy 2,16 megabájtos, kéthasábos tudományos cikket dolgoztak fel. A kilépési kód nulla volt; 0,9 másodperc után a kimenet 88 000 karaktert tartalmazott, szinte csupa zagyvaságot. A 88 000 karakter azt a benyomást kelti, hogy minden rendben volt. Egészen addig, amíg meg nem nyitja a fájlt:
```
| | Hybrid | | OCR-LLM | | Framework |
| --- | ------ | -------- | ----------- | --- | ---------- |
...
Informationextractionfromcopy-heavydoc-
5202 tcO 11 ]LC.sc[ 1v83101.0152:viXra
```
Egyszerre három dolog romlott el. A kéthasábos elrendezésből olyan táblázatok lettek, amelyek nincsenek a cikkben. A szavak szóközök nélkül összefolytak. Az utolsó sor az oldal függőleges oldalsávja, visszafelé kinyerve.
Aztán jött a mulatságos rész. Kiderült, hogy a tesztcikk maga is a MarkItDownt és más eszközöket mérő tanulmány volt. Az eszköz ezt alakította a saját méréseit bemutató bekezdésből:
```
cues. This name-matching error could be miti- OCRpreprocessingoverhead(0.056s),whileDo-
gatedthroughpromptengineeringtoprovidemore clingandMinerUadoptmorecomputationallyin-
explicit matching instructions or fine-tuning the tensive strategies with OCR latencies of approxi-
```
A bal és a jobb hasáb sorról sorra összekapcsolódik. Ha ezt megkapja egy modell, az egyik bekezdés fél mondatát és egy másik bekezdés felét fogja elolvasni.
Az ok technikai, de egyszerű. A Word kifejezetten tárolja, hogy „ez címsor” vagy „ez táblázatcella”. A PDF csak azt tárolja, hogy „ez karakter” és „ezek a koordinátái az oldalon”. A szerkezet koordinátákból való rekonstruálása különálló, nehéz feladat, a MarkItDown pedig alig próbálkozik vele. A PDF-feldolgozó forráskódjában nincs címsorfelismerés: ha az oldalt nem ismeri fel űrlapként vagy táblázatként, az egész dokumentum alapvető szövegkinyerésen megy át.
A felhasználók rendszeresen jelentik ezt a projekt tárolójában, többek között tudományos cikkek és táblázatok esetében.
Az eszköz egyetlen címsort sem talál a PDF-ekben, pontosan úgy, ahogyan a forráskódja is mutatja.
A „MarkItDown 82%-os pontosságot ér el” állítás módszertan nélkül terjed az interneten. Az eredeti forráshoz visszavezető nyomok nem vezetnek sehová: a hivatkozások lánca egy be nem töltődő oldalnál ér véget. Ez nem tekinthető mérésnek.
## Mi történik egy beszkennelt szerződéssel?
Lényeg
Semmi. A fájl feldolgozódik, a program sikert jelez, a kimenet pedig nulla karaktert tartalmaz. Nincs hiba, nincs figyelmeztetés. Ezt kétszer tesztelték egy képből készült PDF-fel, majd külön magával a képpel is — az eredmény ugyanaz volt. Az eszköz csak a fájlban már szövegként tárolt szöveget nyeri ki; az ingyenes verzió nem képes felismerésre.
Ez a viselkedés a többinél veszélyesebb, mert nem tűnik hibának.
A teszthez egy szöveget tartalmazó képből készítettek PDF-et — pontosan ilyet kapunk, ha egy szerződést lefényképeznek vagy beszkennelnek. A véletlen kizárása érdekében megismételték a futtatást:
| Bemenet | Kilépési kód | Kimeneti karakterek | Hibaüzenet |
|----|----|----|----|
| Képből készült PDF, 1. futtatás | 0 | 0 | nincs |
| Képből készült PDF, 2. futtatás | 0 | 0 | nincs |
| Közvetlen PNG-kép | 0 | 1 (sortörés) | nincs |
Két egymást követő alkalommal nulla karakter és nulla hiba. A nulla kilépési kód azt jelenti: „minden rendben ment”, ezért minden olyan szkript sikeresnek számítja a dokumentum feldolgozását, amely a kilépési kódot ellenőrzi. Ezután az üres kimenet a modellhez kerül, a modell nem lát semmit, és a semmiből kezd választ kitalálni.
Figyelem
Ha kötegekben dolgoz fel dokumentumokat, ellenőrizze a kimenet hosszát. A kilépési kód semmit nem mond: a nulla kilépési kóddal létrejött üres fájl árulja el, hogy a dokumentum beszkennelt kép.
Két kerülőmegoldás van, és mindkettő fizetős. Az első a `-d` kapcsoló, amely a dokumentumot a Microsoft felhőalapú felismerő szolgáltatásának küldi; a kapcsoló súgója kifejezetten jelzi, hogy érvényes szolgáltatásvégpont szükséges. A második egy külön kiegészítőcsomag, amely a saját kulcs használatával vizuális modellhez küldi az oldalakat, így minden oldal után fizetni kell a modell szolgáltatójának. 2026 áprilisa óta egy nyitott beszélgetés arról számol be, hogy a második módszerrel többoldalas szkennelésnél csak az első oldal dolgozódik fel.
Saját gépen is futtathat felismerő modellt, de az külön projekt.
Egyetlen dokumentumhoz egyszerűbb megnyitni és kézzel kimásolni a szöveget. Szkennelések folyamatos feldolgozásához beépített felismeréssel rendelkező eszközre van szükség.
## Egyszerűen feltölthetem a fájlt egy online konverterre?
Lényeg
Technikailag igen; sok webhely viseli ezt a nevet. Egyikük sincs kapcsolatban a Microsofttal. „A fájl soha nem hagyja el a böngészőt” — ez az állítás egy kattintással ellenőrizhető, és nem mindig igaz. Mielőtt feltöltene egy szerződést vagy neveket tartalmazó exportot, nézze meg, hová kerül a fájl.
A „MarkItDown online” az egyik leggyakoribb keresési javaslat, és vannak ilyen szolgáltatást kínáló oldalak. A Microsoft eredeti eszközének egyáltalán nincs weboldala; csak saját telepítésű programként érhető el. Bármi, ami hasonló néven böngészőben nyílik meg, valaki más munkája.
Egy perc alatt ellenőrizheti az ilyen szolgáltatást: nyissa meg a fejlesztői eszközök hálózati kéréseket mutató lapját, töltsön fel egy ártalmatlan fájlt, és nézze meg, eljut-e egy szerverhez. Ha igen, a böngészőben történő feldolgozásról szóló állítás hamis, bármilyen magabiztosan fogalmaz is a GYIK.
Figyelem
Egy szerződés, számla vagy alkalmazottak neveit tartalmazó export személyes adatokat tartalmaz. Ha ilyen fájlt küld egy harmadik fél webhelyére, Ön továbbította az adatokat. Egy helyi segédprogram elkerüli ezt a problémát: a fájl nem hagyja el a gépét.
Ezért értékes a MarkItDown ott, ahol nem küldhetők dokumentumok a szervezeten kívülre. Egy beszélgetésben valaki arról írt, hogy a munkahelyi laptopján tiltották az önálló programok használatát, de a Python-könyvtárakat engedélyezték, és a helyi segédprogram bizonyult az egyetlen elérhető lehetőségnek.
## Valójában mennyit takarít meg a MarkItDown?
Lényeg
A legfontosabb előny az, hogy a modell egyáltalán meg tudja érteni a dokumentumot. A méretben is van különbség: ha összevetjük az Office-fájlokban lévő jelölés méretét a kinyert szöveg méretével, ötszörös-hétszeres csökkenést kapunk. Eltávolít mindent is, amit a modellnek nem kell elolvasnia: a betűtípusok, margók és cellaszínek leírását.
Az Office-fájlok olyan archívumokként épülnek fel, amelyek jelöléseket tartalmaznak. Ha kicsomagolja a három tesztfájlt, és összehasonlítja a tartalmat hordozó rész méretét a kimenet méretével, ezt kapja:
| Fájl | Belső jelölés | Kinyert szöveg | Ennyivel kisebb |
|-----------------|-----------------|---------------|-----------------------|
| Word-szerződés | 3 701 bájt | 711 bájt | 5.2 |
| Excel-táblázat | 1 561 bájt | 262 bájt | 6.0 |
| Prezentáció | 2 203 bájt | 296 bájt | 7.4 |
A fájlok kicsik; nagyobbaknál eltérnek az arányok, és nincs egyetlen, mindenre érvényes megtakarítási érték. Ha összehasonlító cikkekben kerek számokkal találkozik, kérdezzen rá a módszertanra.
A fejlesztők is beszélnek a megtakarításról: a projektleírás kifejezetten azt mondja, hogy a Markdown konvenciói nagyon takarékosak a karakterszám szempontjából. Ez igaz, de nem ez kellene legyen a fő vonzereje. Egészen más nagyságrendű különbség van aközött, hogy „a modell háromezret kapott tizenötezer karakter helyett”, illetve aközött, hogy „a modell világos szerkezetet kapott zagyvaság helyett”. Az első pénzt takarít meg, a második dönti el, hogy lesz-e értelme a válasznak.
Ha aggódik a kontextusfelhasználás miatt, arról külön cikkek szólnak: [Hová kerülnek a tokenek a Claude-ban](https://ailoot.ai/blog/hu/where-claude-code-tokens-go/) és [hány token jár az egyes csomagokhoz](https://ailoot.ai/blog/hu/claude-pro-max-usage-limits/).
## Hogyan csatlakoztatható a MarkItDown a Claude-hoz MCP-n keresztül?
Lényeg
A projektnek külön csomagja van, amely egyetlen paranccsal MCP-szervert indít: adjon meg egy fájlútvonalat, és szöveget kap vissza. 2026 szeptemberében a csomag végre frissült a 0.0.1a7-es verzióra, de a build továbbra is előzetes kiadás, és alapértelmezés szerint telemetriát küld a Microsoftnak. Az alábbi parancs az uv-n keresztül csatlakoztatja, rögzíti a verziót, Python 3.12-t használ, és letiltja a telemetriát. Nincs hitelesítés, és a saját dokumentációja szerint a szerver minden, az elindító felhasználó számára elérhető fájlt el tud olvasni.
Az MCP lehetővé teszi, hogy az AI egy külső eszközt kapjon, amelyet önállóan is használhat. A működés áttekintéséhez és további szerverekhez olvassa el a [Claude Code MCP-szervereiről szóló áttekintést](https://ailoot.ai/blog/hu/mcp-servers-claude-code/).
A MarkItDown-szerver pontosan egy eszközt tesz elérhetővé: dokumentum szöveggé alakítását. Helyi fájlútvonalat, weboldal URL-jét vagy közvetlenül a kérésbe ágyazott adatot fogad el.
Egyetlen paranccsal csatlakoztatható a Claude Code-hoz, rögzített szerververzióval. Szükség van az uv csomagkezelőre:
```bash
claude mcp add --scope user --env 'ORT_DISABLE_TELEMETRY=1' --env 'UV_PYTHON=3.12' --transport stdio markitdown -- uvx markitdown-mcp@0.0.1a7
claude mcp list
```
A második parancs válaszában a `markitdown` mellett a „Connected” feliratnak kell megjelennie. Az első indítás körülbelül hetven csomagot tölt le, és akár egy percig is tarthat; ezután a szerver egy-másfél másodperc alatt indul el.
Az alábbi korlátozások mindegyikét kézzel ellenőrizték.
A `0.0.1a7` build 2026. szeptember 14-én jelent meg. Előtte a szerver több mint egy évig az 2025. májusi `0.0.1a4` verziónál ragadt. A legújabb verziószám továbbra is előzetes kiadást jelöl.
Nem települ minden olyan rendszeren, amelyen új Python-verzió fut. A szükséges onnxruntime motor Python 3.14-hez Macen csak Apple Siliconon, macOS 14 vagy újabb rendszeren érhető el, ezért Intel Macen és macOS 13 vagy korábbi verzió esetén a Python 3.14-es telepítés meghiúsul. A szervert Apple Silicon Macen Python 3.14, 3.13 és 3.12 alatt is futtatták; mindhárom települt. A parancs `UV_PYTHON=3.12`-t használ: a 3.12-höz készült előre fordított csomagok Windowsra, Linuxra és Apple Silicon Macre is elérhetők, és ha ez a Python-verzió nincs telepítve, az uv letölti. Intel Macnél itt is van egy korlátozás: az uv forrásból fogja összeállítani a cryptography könyvtárat, mert 2026 júniusa óta nem jelent meg Intelre előre fordított csomag. A telepítés hosszabb ideig tart, és meg is hiúsulhat.
A belső MarkItDown-verzió az uv verziójától függ. A MarkItDown 0.1.6-tól az `[all]` extra egy előzetes Azure-könyvtárat igényel: az uv 0.12-es és újabb verziója telepíti ezt, valamint a legújabb MarkItDown 0.1.8-at, a régebbi uv-verziók pedig visszaminősítenek 0.1.5-re. Ellenőrizze az uv verzióját az `uv --version` paranccsal.
Kétféle adat kerül ki a gépről. Az első a telemetria: Macen és Linuxon a szerverbe ágyazott onnxruntime motor alapértelmezés szerint telemetriát küld a Microsoftnak. A parancsban szereplő `ORT_DISABLE_TELEMETRY=1` változó letiltja. A tesztben e nélkül a szerver csatlakozott a Microsoft telemetriai végpontjaihoz. A változó beállításával a lemezről feldolgozott fájlok alatt egyetlen kapcsolat sem történt.
A második a hang. A szerver a WAV-, MP3-, M4A- és MP4-fájlokat egyszerű HTTP-kapcsolaton, titkosítás nélkül küldi a Google beszédfelismerő szolgáltatásának átírásra. Jobb, ha nem küld rajta ügyfelekkel folytatott beszélgetéseket tartalmazó felvételeket.
Egy nagy dokumentum nem fér át rajta. Egy nyitott beszélgetés szerint egy 51 000 tokenes szerverválasz elérte a 25 000 tokenes korlátot, az eszköz pedig nem bontja részekre a fájlokat.
És a biztonság. A csomag saját dokumentációja világosan fogalmaz:
A szerver nem támogat hitelesítést, és az elindító felhasználó jogosultságaival fut. A konvertáló eszközzel a szerver felhasználója számára elérhető bármely fájl vagy a hálózaton elérhető bármely adat beolvasható.
— Microsoft, a markitdown-mcp csomag leírása (fordítás), https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp
Más szóval, egy ilyen eszközzel rendelkező ügynök bármit elolvashat, amit Ön is. Saját gépen végzett munkához ez elfogadható. A szervert nem szabad nyilvánosan elérhetővé tenni vagy megbízhatatlan ügynöknek átadni.
Figyelem
A projekt dokumentációja nem tartalmaz kifejezetten Claude Code-hoz készült beállítást; csak a Claude Desktopot és a konténeren keresztüli indítást írja le. Ha az interneten „hivatalos dokumentációból származóként” bemutatott, előre elkészített Claude Code-konfigurációt talál, vegye figyelembe, hogy ilyen konfiguráció nincs a repozitóriumban.
Rendszeres munkához egyszerűbb paranccsal futtatni a programot, és az eredményül kapott szöveget a projektbe tenni. Így a fájl a többi anyag mellett marad, ahol a modell önállóan is felhasználhatja.
## Mikor érdemes őszintén másik eszközt választani?
Lényeg
A szabály egyszerű: ha a szerkezet már benne van a fájlban, használja a MarkItDownt — ez a leggyorsabb és ingyenes. Ha a szerkezetet az oldal képéből kell rekonstruálni, válasszon elrendezésmodelleket használó eszközt. A Docling táblázatokkal és összetett elrendezésekkel boldogul, a MinerU képletekkel és többhasábos dokumentumokkal, a fizetős felhőszolgáltatások pedig akkor segítenek, ha nincs idő a beállításokkal bajlódni.
Feladatalapú összehasonlítás; a GitHub-csillagoknak ehhez semmi közük:
| Eszköz | Erősség | Amit fizet érte |
|----|----|----|
| MarkItDown | Office-fájlok, sebesség, ingyenesség | nem boldogul összetett PDF-ekkel vagy szkennelésekkel |
| Docling | táblázatok és elrendezések speciális modellekkel | dokumentumonként több tíz másodperc |
| MinerU | több hasáb, képletek, sűrű táblázatok | nehezebb telepítés |
| Marker | nagy pontosság, képletek, illusztrációk | grafikus kártya kell hozzá, licencének bevételi korlátozása van |
| unstructured | leírásokkal ellátott részekben adja vissza a dokumentum szerkezetét | nehezebb felhasználni a kimenetet |
| Felhőalapú feldolgozók | nincs beállítás | pénz és a dokumentum elküldése a gépen kívülre |
A Markerrel kapcsolatban van egy részlet, amely kimarad az összehasonlító cikkekből. 2026 júliusa óta maga a kód megengedő licencű, a modell súlyaira viszont külön licenc vonatkozik, bevételi korláttal: a használat ingyenes, ha a vállalat előző évi bevétele nem haladta meg az ötmillió dollárt, és ugyanekkora összegű finanszírozást sem gyűjtött. Egy külön záradék megtiltja a használatot bárkinek, aki konkurens terméket épít. Ez a legtöbb olvasót nem érinti, de ok arra, hogy egy növekvő vállalkozás az alkalmazás előtt elolvassa a licencet.
Ebből a következő, gyakorlatban használható négylépéses munkafolyamat következik:
1. Futtasson mindent végig a MarkItDownon — ingyenes és azonnali.
2. Nyissa meg az eredményt, és ellenőrizze a méretét.
3. Ha a szöveg értelmes, kész; nincs szükség másra.
4. Ha a kimenet zűrzavaros vagy üres, futtassa az adott fájlt egy komolyabb eszközzel.
Így csak azoknál a dokumentumoknál kell időt és összetettséget vállalnia, amelyeknek valóban szükségük van rá.
## Hogyan illeszthető be a MarkItDown a munkafolyamatba?
Lényeg
Az Anthropic saját skilljeinek leírásában fogalmazza meg a szabályt: ezt az eszközt dokumentum olvasására használja. Ne tervezzen vele szerkesztést. Íme három helyzet, ahol már az első futtatás megtérül: hasonló dokumentumok egy csoportjának feldolgozása, állandó referenciaanyagok egyszeri hozzáadása egy AI-projekthez, valamint egy könyvelési rendszerből származó export előkészítése elemzéshez.
Az Anthropic maga is használja a MarkItDownt az Office-fájlok kezelésére szolgáló, előre elkészített skilljeiben, és ezek pontosan megfogalmazzák az átvételre érdemes korlátot:
Gyorsan vizsgáljon meg egy munkalapot: markitdown file.xlsx. A cellakoordináták nem érhetők el, ezért ne tervezzen ez alapján szerkesztést.
— Anthropic, a táblázatok kezelésére szolgáló skill leírása (fordítás), https://github.com/anthropics/skills/blob/main/skills/xlsx/SKILL.md
A szövegben elvesznek a cellákra és oldalakra mutató hivatkozások, ezért nem használhatja a forrásfájl módosítására. Három forgatókönyv következik.
Hasonló dokumentumok csoportja — teljesítési igazolások, számlák, űrlapok, kérelmek. Tegye őket egy mappába, és futtassa le egyetlen sorral:
```bash
for f in dokumenty/*.docx; do markitdown "$f" -o "text/$(basename "$f" .docx).md"; done
```
Ezután adja oda a modellnek a szövegfájlokat tartalmazó mappát, és kérje meg, hogy foglalja táblázatba a fontos adatokat. Digitális fájlokkal működik; a szkennelések sikertelenek lesznek, és ezt rögtön észreveszi a nulla méretről.
Állandó projektanyagok — árlisták, szerződéssablonok, szabályzatok, szolgáltatásleírások. Alakítsa őket egyszer szöveggé, és tegye a projekt mellé. Így a modell minden kérésnél elolvashatja őket, és nem kell minden alkalommal a beszélgetéshez csatolnia a fájlokat. A [fájlok Claude-ba való feltöltéséről](https://ailoot.ai/blog/hu/claude-file-upload/) szóló cikk elmagyarázza, miben különbözik ez a csevegésbe történő fájlfeltöltéstől.
Könyvelőrendszerből származó export. A könyvelőszoftverből vagy bankszámláról készült Excel-export harmad másodperc alatt táblázattá alakul, így a modell köztes bíbelődés nélkül számolhat belőle. Ellenőrizze, hogy a CSV-t tényleges elválasztójával, idézésével és kódolásával exportálták vagy olvasták-e be, majd a modellnek átadás előtt hasonlítsa össze a sorokat, oszlopokat és ellenőrző összegeket. Keresés-cserével ne egységesítse az elválasztókat. A pénznemet is rögzítse kifejezetten: a csak Excel-cellaformázásban tárolt szimbólum nem marad meg a kinyerés után.
A nagy PDF-ek terminálban történő feldolgozása nem szerepel ezen a listán. Ez külön kérdés, a kontextusfelhasználással függ össze; erről a [PDF-ek használata Claude Code-ban tokenveszteség nélkül](https://ailoot.ai/blog/hu/pdf-claude-code-markdown/) című cikk szól. Ha éppen most állítja be a munkakörnyezetét, kezdje a [Claude Code telepítésével](https://ailoot.ai/blog/hu/install-claude-code/).
Ha rögtön elkezdené, futtassa a `pip install 'markitdown[pdf,docx,xlsx,pptx]'` parancsot, dolgozza fel az első Word-szerződést, amelyet talál, és ellenőrizze az eredmény méretét. Fél perc múlva tudni fogja, hogy működik-e a saját fájljaival.
### Gyakran ismételt kérdések
Ingyenes a MarkItDown?
Igen. MIT-licencű, kereskedelmi használatra vonatkozó korlátozás nélkül. Csak két választható módszerért kell fizetni: a Microsoft felhőalapú felismeréséért a `-d` kapcsolón keresztül, valamint a saját kulccsal használt vizuális modellel készített képleírásokért. Minden más ingyenesen, a saját gépén fut.
Küld adatot valamelyik szerverre?
Az Office-fájlok és PDF-ek szokásos konvertálásakor nem — minden helyben történik. Három kivétel van: a hangátírás a Google szolgáltatásán keresztül zajlik, a `-d` kapcsoló a Microsoft felhőjébe küldi a dokumentumot, a képleírások pedig a saját kulccsal használt modellhez kerülnek. E módszerek egyike sincs automatikusan bekapcsolva.
Miért nem találom telepítés után a markitdown parancsot?
Leggyakrabban azért, mert a program olyan környezetbe települt, amely nincs benne a keresési útvonalban. Ellenőrizze a fájl teljes útvonalát a környezeten belül. Egy másik gyakori eset, hogy az egyik Python-verzióhoz telepítette, de egy másikkal hívja meg. Még egy csapda: 3.10-nél régebbi Python-verziókra üres csomag települ telepítési hiba nélkül.
Mit tegyek, ha betűk helyett `(cid:1090)`-hez hasonló karakterláncokat látok?
A PDF-ben lévő betűtábla nem dekódolódott. A beállítások nem javítják meg; futtassa a fájlt egy másik eszközzel, például a Doclinggal vagy a MinerU-val. Egyetlen dokumentumnál gyorsabb lehet kézzel kimásolni a szöveget egy megjelenítőből.
Feldolgozhatok egyszerre egy egész mappát?
Nincs külön mappamód, de egy egysoros terminálciklussal megteheti: for f in papka/\*.docx; do markitdown "\$f" -o "\$f.md"; done. Másik lehetőség, hogy mindent ZIP-be tesz, és átadja az archívumot: a program feldolgozza a tartalmát, a feldolgozhatatlan fájlok viszont figyelmeztetés nélkül eltűnnek.
Miben különbözik a kimenet attól, ha kézzel másolom ki a szöveget?
Megőrzi a szerkezetet. A másolás során lapos szöveg keletkezik, amelyben nem lehet megkülönböztetni a címsort a bekezdéstől, a táblázat pedig szétesik. A MarkItDown megtartja a címsorokat, listákat és táblázatokat, így a modell felismeri, mi micsoda. Egy rövid dokumentumnál kicsi a különbség, húsznál viszont döntő.
Meg tud nyitni jelszóval védett dokumentumokat a MarkItDown?
Nem. A jelszóval védett fájl nem nyílik meg, a jelszót pedig nem lehet átadni a programnak. Előzetesen, a védelmet alkalmazó programban kell megszüntetnie a védelmet.
### Források
- [MarkItDown – a projekt GitHub-repozitóriuma](https://github.com/microsoft/markitdown)
- [MarkItDown a PyPI-n – verziók és kiadási dátumok](https://pypi.org/project/markitdown/)
- [markitdown-mcp – az MCP-szerver leírása](https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp)
- [Anthropic Skills – a MarkItDown táblázatokhoz való használata](https://github.com/anthropics/skills/blob/main/skills/xlsx/SKILL.md)
- [Docling – dokumentumfeldolgozás elrendezésmodellekkel](https://docling-project.github.io/docling/)
- [MinerU – összetett PDF-elrendezések feldolgozása](https://github.com/opendatalab/MinerU)
- [Marker – a modell súlyainak licence](https://github.com/datalab-to/marker/blob/master/MODEL_LICENSE)
- [pandoc – jelölőnyelv-konverter](https://pandoc.org/)
Ha készen áll, ismerkedjen meg az [Ailoot](https://ailoot.ai/) szolgáltatással.
## Kérdések és válaszok: PDF- és Word-fájlok átalakítása AI számára szöveggé: a Microsoft MarkItDown eszköze
### Kijavíthatok egy pontosvesszős CSV-t minden pontosvessző vesszőre cserélésével?
Nem. Az idézett szöveg és a tizedesformátumok is tartalmazhatják ezeket a karaktereket. Exportáld újra a kívánt elválasztóval, vagy kifejezett elválasztó-, kódolás- és idézőjel-beállítású CSV-értelmezőt és írót használj; az oszlopokat, sorokat és ellenőrző összegeket vesd össze az eredetivel.
### A nulla kilépési kód hasznos PDF-konverziót jelent?
Nem. A cikk szkennelt példája hiba nélkül üres kimenetet adott, egy összetett PDF pedig olvashatatlan szöveget. Nyisd meg az eredményt, nézd meg a hosszát és szerkezetét, és üres vagy összekeveredett szövegnél használj elrendezésfelismerő vagy OCR-eszközt.
## Ailoot · A vállalat és projektportfóliója
Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít.
A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben.
Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.