# Kako datoteke PDF in Word pretvoriti v besedilo za AI: Microsoftov MarkItDown > Poglobljen pregled: Kako datoteke PDF in Word pretvoriti v besedilo za AI: Microsoftov MarkItDown. Source: https://ailoot.ai/blog/sl/markitdown-pdf-word-to-text/ Canonical: https://ailoot.ai/blog/sl/markitdown-pdf-word-to-text/ Language: sl Publisher: Ailoot (https://ailoot.ai/) Translation: guide-171 Revision: sha256-e04be6816e7699a04b2d294848c5c8400b9fb718044ef9fda1e3c9d340e182f8
Ključne ugotovitve MarkItDown je brezplačen Microsoftov pripomoček, ki Wordove, Excelove in predstavitvene datoteke ter PDF-je pretvori v strukturirano besedilo za AI. Officeove datoteke razčleni v delčku sekunde in brez težav. PDF-je z zapleteno postavitvijo spremeni v zmedo, pri skenu pa vrne prazno datoteko z izhodno kodo nič. Spodaj so delujoč ukaz za namestitev, meritve na dokumentih s cirilico in pravilo, kdaj uporabiti drugo orodje.
Več navodil je na voljo v [dokumentaciji Ailoot](https://ailoot.ai/docs/). ## Kaj je MarkItDown in čemu je namenjen?
Ključne ugotovitve MarkItDown je Microsoftov pripomoček za Python, ki prebere datoteko in njeno vsebino vrne kot strukturirano besedilo. Naslovi postanejo naslovi, tabele pa tabele. Nahaja se v odprtem repozitoriju GitHub z licenco MIT, namestite ga lahko z enim ukazom, vso obdelavo pa opravi na vašem računalniku. Njegova naloga je samo ena: pripraviti dokument tako, da AI vidi ne le besede, temveč tudi strukturo.
AI-ju pošljete pogodbo, poročilo ali računovodski izvoz, dobite pa odgovor, ki nima nobene zveze z dokumentom. Vzrok običajno ni model. Datoteka vsebuje format: Word je arhiv z označevalnimi podatki, Excel je preglednica s povezavami med celicami, PDF pa množica znakov s koordinatami na strani. Model dela z besedilom, zato mora nekdo to besedilo izluščiti. To počne MarkItDown. Repozitorij je na naslovu [github.com/microsoft/markitdown](https://github.com/microsoft/markitdown), pod licenco MIT, zato ga lahko uporabljate brez omejitev. Na dan 18. avgusta 2026 ima 174,412 zvezdic in 12,756 fork-ov; zadnja izdaja, 0.1.7, je izšla 29. julija. Projekt je aktiven, vendar se je težišče z razvoja premaknilo na vzdrževanje: ima 481 odprtih zahtevkov za združitev sprememb, v celotni zgodovini pa jih je bilo združenih 183. Razvijalci njegov namen opišejo takole:

MarkItDown je lahek pripomoček za Python, ki pretvarja datoteke različnih formatov v Markdown za uporabo z velikimi jezikovnimi modeli in povezanimi cevovodi za analizo besedila.

— Microsoft, opis projekta (prevedeno), https://github.com/microsoft/markitdown
Naslednji stavek v opisu pojasni polovico pritožb, ki jih ljudje imajo glede orodja:

Čeprav je izhod pogosto videti precej spodobno in je prijazen do ljudi, je namenjen uporabi z orodji za analizo besedila in morda ni najboljša izbira za visokokakovostno pretvorbo dokumentov, namenjenih branju ljudi.

— Microsoft, opis projekta (prevedeno), https://github.com/microsoft/markitdown
Izhod je surovina za model. Ne bo lep dokument in projekt to jasno pove že v prvem razdelku. Opis neposredno odgovori tudi na vprašanje, zakaj uporablja Markdown: vodilni modeli to označevalno sintakso že »govorijo« in jo brez poziva vključujejo v svoje odgovore, ker so je med učenjem videli ogromno. Označevalna sintaksa je tudi zgoščena: za naslov uporabite tri znake lojtra namesto ducata vrstic metapodatkov. ## V čem se MarkItDown razlikuje od običajnega pretvornika?
Ključne ugotovitve Pretvorniki, kot je pandoc, prevajajo en označevalni jezik v drugega in ohranjajo postavitev za ljudi. pandoc sploh ne sprejme PDF-ja kot vhodne datoteke. MarkItDown rešuje nasprotno težavo: iz Officeove datoteke izlušči vsebino in jo uredi tako, da jo model takoj razume, brez nepotrebne porabe žetonov. Ohranjanje vizualne postavitve ni njegov cilj; v tem je vsa razlika.
Razliko jasno pokaže en primer. Vzemite mapo z dvajsetimi PDF-ji in jih poskusite obdelati s pandocom. Ne bo šlo: [pandoc](https://pandoc.org/) lahko ustvari PDF-je kot izhod, ne more pa jih brati kot vhod. In prav tak položaj — »imam kup dokumentov; daj jih modelu« — je najpogostejši. Avtorji MarkItDown se primerjajo s textractom, knjižnico, ki preprosto izlušči besedilo od koder koli. Razlika je v tem, da MarkItDown poskuša ohraniti strukturo: naslove, sezname, tabele in povezave. | Funkcija | pandoc | MarkItDown | |----|----|----| | Bere PDF-je | ne | da, z omejitvami | | Bere Word, Excel in predstavitve | delno | da | | Predvideni uporabniki izhoda | ljudje | modeli | | Glavna vrednost | zvestoba postavitvi | struktura in majhno število znakov | | Namestitev | samostojen program | en ukaz za Python | Praktični sklep je preprost. Če želite članek pretvoriti v postavitev za objavo, uporabite pandoc. Če želite, da AI razume dvajset pogodb, uporabite MarkItDown. ## Kako namestiti MarkItDown, da ne dobite prve izdaje?
Ključne ugotovitve Od izdaje 0.1.8 ukaz iz opisa projekta namesti najnovejšo različico v Pythonu 3.14 in 3.12; to so znova preverili v osmih čistih okoljih. Tiha vrnitev na 0.0.2, drugo izdajo v zgodovini projekta, se še vedno zgodi v Pythonu 3.15, na Macih Intel s 3.14 ter na Macih s starejšimi različicami macOS, ki uporabljajo 3.13 in 3.14. V teh primerih namestitveni program sporoči, da je namestitev uspela. Zato uporabite Python 3.12, formate, ki jih potrebujete, navedite poimensko in takoj preverite številko različice.
Najprej pravilen ukaz, nato razlaga, zakaj je pravilen. 1. ### Preverite različico Pythona Python 3.12 je najzanesljivejši: najnovejši MarkItDown se namesti v vseh preizkušenih okoljih s to različico. Ukaz `python3 --version` pokaže, kaj imate. Na Macih Intel ali Macih s starejšo različico macOS lahko Python 3.13 in 3.14 tiho namestita starejšo različico; Python 3.15 še ni podprt, kot je pojasnjeno spodaj. 2. ### Namestite z navedenimi formati Zaženite `pip install 'markitdown[pdf,docx,xlsx,pptx]'`. Narekovaji so obvezni, sicer bo lupina interpretirala oglate oklepaje. Na Macu Intel za `install` dodajte stikalo `--prefer-binary`. 3. ### Takoj preverite, ali se je namestilo Zaženite `markitdown --version`. Odgovor mora biti `markitdown 0.1.8` ali novejši. Nižja številka pomeni, da se je namestitev vrnila na starejšo različico; ta razdelek pojasnjuje, zakaj. ```bash pip install 'markitdown[pdf,docx,xlsx,pptx]' markitdown --version ``` Opis projekta navaja `pip install 'markitdown[all]'` kot glavni ukaz za namestitev vsega naenkrat. 28. septembra 2026, teden dni po izidu različice 0.1.8, so v čistih okoljih izvedli štiri različice namestitve na Macu Apple Silicon s Pythonom 3.14.6 in 3.12.12: | Ukaz | Nameščeno v Pythonu 3.14 | Nameščeno v Pythonu 3.12 | |----|----|----| | `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 | Vseh osem namestitev se je končalo z »Successfully installed«, ukaz `markitdown --version` pa je vsakič vrnil 0.1.8. Avgusta, ko je bila najnovejša izdaja 0.1.7, je tretji ukaz v Pythonu 3.14 namestil 0.0.2, izdano 8. marca 2025 — drugo izdajo v zgodovini projekta. Zdaj ima projekt enajst stabilnih izdaj, od 0.0.1 do 0.1.8, skupaj s predizdajami pa šestindvajset. Vzrok je bila veriga odvisnosti. V različici 0.1.7 dodatna možnost `[all]` vključi knjižnico za podnapise YouTube iz določene serije izdaj, vse izdaje v tej seriji pa navajajo, da ne delujejo v Pythonu 3.14. Namestitveni program jih zavrne in, ker različica ni določena, se vrača po različicah MarkItDown, dokler ne najde take, ki jo je mogoče namestiti. Najde 0.0.2 in jo namesti, zato je na vašem računalniku izdaja izpred leta in pol. V različici 0.1.8 so zahtevo za knjižnico podnapisov zvišali na serijo, ki deluje v različici 3.14, zato se je vračanje na starejšo različico ustavilo. Mehanizem je še vedno prisoten. Če namestitveni program za vaš sistem ne najde ene od potrebnih komponent, se na enak način tiho vrne na 0.0.2. V novejših različicah je ta komponenta pogon onnxruntime, ki ga uporablja zaznavalnik vrst datotek. Na Macu je na voljo takole: za Python 3.12 je potreben macOS 11 ali novejši; za 3.13 macOS 13; za 3.14 pa samo Apple Silicon z macOS 14 ali novejšim. Če vaš Mac teh zahtev ne izpolnjuje, bo tudi goli ukaz `pip install markitdown` namestil 0.0.2. Preizkus na Macu Intel, ki je v Rosetti izvajal Python 3.14, je pokazal prav to: »Successfully installed«, brez opozoril, nameščena pa je bila različica 0.0.2. Maci Intel imajo še eno težavo. Od junija 2026 se knjižnica cryptography, ki se namesti za branje PDF-jev, izdaja brez vnaprej prevedene različice za ta procesor, zato jo namestitveni program poskuša zgraditi iz izvorne kode. Ukazu dodajte stikalo `--prefer-binary` in uporabil bo prejšnjo različico z vnaprej pripravljenim paketom. V preizkusu na Macu Intel s Pythonom 3.13 se je tako namestila različica 0.1.8 in PDF se je odprl. Stikalo namesti cryptography 48.0.1, ki ima tri znane ranljivosti: pri dešifriranju PKCS#7 in preverjanju verige potrdil. MarkItDown jo uporablja samo za dešifriranje šifriranih PDF-jev; branje dokumentov teh delov ne doseže. V Pythonu 3.15 pride do vrnitve na starejšo različico iz dveh razlogov. Različica 0.1.8 navaja podporo samo od 3.10 do 3.14, pogon za 3.15 pa še ne obstaja. To potrjuje tudi razrešitev namestitvenega programa za 3.15: tako goli ukaz kot ukaz z navedenimi formati namestita isto različico 0.0.2. Opozorilo o vrnitvi na starejšo različico je videti takole, po ena vrstica za vsako dodatno možnost v ukazu: ``` WARNING: markitdown 0.0.2 does not provide the extra 'all' ``` Vrstica se izgubi med desetinami vrstic o prenosu, poleg tega pa ne pove, katera različica je bila nameščena namesto zahtevane. Pri golem ukazu brez dodatnih možnosti ni niti opozorila. Končno poročilo je spodbudno: »Successfully installed.« Namestitev brez dodatnih možnosti tudi ni rešitev. Osnovni paket se namesti, vendar ne more odpreti PDF-jev: ``` 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]' ``` Samo orodje priporoča `[all]`; v različici 0.1.8 ta nasvet v Pythonu 3.14 in 3.12 znova deluje. Kljub temu je bolje formate navesti poimensko: `[all]` doda še približno petnajst paketov in okoli 55 megabajtov, vključno s predizdajo knjižnice Azure in prav tisto verigo odvisnosti za YouTube, ki je že enkrat pokvarila namestitev. Namestitveni program sam poskrbi za predizdajo Azure. Pip predizdaje običajno preskoči, toda tukaj jih zahteva izrecno navedena zahteva, zato jih namesti. V Pythonu 3.12 so preizkusili štiri različice pip, od 23.2 do 26.2; vse izberejo 0.1.8.
Pozor Takoj po namestitvi zaženite `markitdown --version`. Vzame pet sekund in je edini način, da veste, ali ste namestili, kar ste zahtevali. Sporočilo o uspešni namestitvi tukaj ne pomeni nič.
Avgusta se je ponovna namestitev v drugem čistem okolju končala enako: z različico 0.0.2 in besedo »Successfully«. Vnaprej je dobro poznati nekaj praktičnih podrobnosti. Namestitev je precej velika: osnovna namestitev zavzame 143 megabajtov, s štirimi formati pa 303. Največja komponenta, zaznavalnik vrst datotek, zavzame 81 megabajtov in se namesti že pri osnovni namestitvi. Za prenosnik to ni pomembno, za funkcijo v oblaku z omejitvijo velikosti pa je. Ne računajte na zrcalne strežnike kot na rezervo. Preizkušeni zrcalni strežnik je ponudil indeks in datoteke MarkItDown so bile na voljo, vendar je manjkala ena potrebna odvisnost, zato namestitev ni uspela ne v Pythonu 3.14 ne v 3.12. Namestitev je manjša težava od glavne. Veliko pogosteje AI ustvari nesmisel, ker je v njegovo kontekstno okno prišla napačna stvar ali napačna predstavitev te stvari. Sposobnost odločanja o tem, kaj dati modelu pred začetkom naloge, se imenuje kontekstni inženiring, priprava dokumentov pa je del tega. ## Kako prvi dokument pretvorite v besedilo?
Ključne ugotovitve En ukaz v terminalu: ime programa in pot do datoteke. Rezultat se privzeto izpiše v oknu, zato ga lahko neposredno shranite v datoteko. Na voljo so trije načini: izpis v konzolo, zapis s stikalom ali posredovanje datoteke kot toka. Za vključitev v lastne skripte je na voljo trivrivrstični ovoj za Python, ki sprejema tudi URL-je.
Najkrajša možnost: ```bash markitdown dogovor.docx ``` Besedilo se izpiše v terminalu. Shranite ga lahko na dva načina: ```bash markitdown dogovor.docx -o dogovor.md markitdown dogovor.docx > dogovor.md ``` Na Macu in Linuxu je razlika zanemarljiva, v Windowsu pa je pomembna: preusmeritev z `>` lahko sesuje program, če izhod vsebuje cirilico. Datoteko lahko posredujete kot tok; v tem primeru je namig o končnici uporaben: ```bash cat dogovor.docx | markitdown -x docx ``` To so glavna stikala iz pomoči za različico 0.1.8: | Stikalo | Kaj naredi | |----|----| | `-o`, `--output` | rezultat zapiše v datoteko namesto v okno | | `-x`, `--extension` | namig o končnici, ko je datoteka posredovana kot tok | | `-m`, `--mime-type` | namig o vrsti vsebine | | `-c`, `--charset` | namig o kodiranju znakov | | `-d`, `--use-docintel` | obdelava prek Microsoftove plačljive storitve v oblaku | | `-v`, `--version` | prikaže različico | Ista pomoč navaja še tri uporabna stikala, ki so bila vsa preizkušena: `--list-plugins` prikaže nameščene vtičnike, `-p` jih omogoči za posamezen zagon, `--keep-data-uris` pa v izhodu ohrani slike, vdelane v dokument (privzeto so obrezane). Preostale možnosti so nastavitve za Microsoftove storitve v oblaku. Ovoj za Python obsega tri vrstice: ```python from markitdown import MarkItDown md = MarkItDown() print(md.convert("ostatki.xlsx").text_content) ``` Isti klic sprejme tudi URL. Preprosta stran je vrnila čisto besedilo s 167 znaki, vključno z naslovom in povezavo, brez menija in noge strani: ```python r = md.convert("https://example.com") ``` ## Katere formate razume MarkItDown in kaj to v resnici pomeni?
Ključne ugotovitve Opis projekta navaja širok nabor: Officeove datoteke, PDF-je, slike, zvok, arhive, povezave YouTube in e-knjige. Tri stvari ne delujejo tako, kot bi sklepali iz opisa. Brezplačna različica sploh ne prepozna besedila na slikah. Govor pošlje v angleškojezični pogon. Datoteke, ki jih ni mogel razčleniti, iz arhivov izginejo brez opozorila.
Povzetna tabela trditev in njihovega dejanskega pomena. | Format | Navedeno | Kaj se v resnici zgodi | |----|----|----| | Word, Excel, predstavitve | da | deluje brez težav; to je njegova prednost | | CSV, JSON, XML, HTML | da | deluje, vendar ima CSV past z ločilom | | PDF | da | odvisno od postavitve: en stolpec se sestavi, dva razpadeta | | Slike | »metapodatki in prepoznavanje« | ni prepoznavanja, samo metapodatki ali plačljivi vizualni model | | Zvok | »prepis govora« | pošlje ga Googlovemu angleškojezičnemu pogonu | | Arhivi ZIP | »pregleda vsebino« | vse, česar ne more razčleniti, tiho izgine | | Povezave YouTube | da | samo celotne povezave oblike `''?...` | | E-knjige EPUB | da | deluje | Tri stvari podrobneje. Slike. Opis vključuje besedo OCR, zato ljudje pričakujejo, da bo program prebral besedilo na fotografiji. Tega ne počne. Metapodatke prebere z ločenim programom exiftool; če povežete vizualni model z lastnim ključem, mu lahko pošlje sliko, da jo opiše. Zvok. Prepis govora je na voljo, vendar se jezik ne posreduje naprej, pogon pa privzeto pričakuje angleščino. Poleg tega kliče neuradno brezplačno Googlovo končno točko, ki je omejena na približno petdeset zahtevkov na dan na ključ. Arhivi. Program razširi datoteke ZIP, pregleda datoteke v njih in združi rezultate. Če datoteke ne more razčleniti, napako prestreže in jo skrije. Datoteka se preprosto ne bo pojavila v rezultatu, vi pa zanjo ne boste vedeli. ## Kaj se zgodi z dokumenti, ki vsebujejo cirilico?
Ključne ugotovitve Najnovejšo različico so uporabili na treh datotekah s cirilico: Wordovi pogodbi, Excelovem popisu zalog in predstavitvi. V vseh treh sta cirilično besedilo in število ostala nespremenjena. Težave nastanejo na treh mestih: pri datotekah CSV s podpičji, oblikovanju valut v Excelovih celicah in izpisu konzole Windows. Za vse tri obstajajo rešitve.
Spodnje datoteke so bile ustvarjene posebej za testiranje; njihovi podatki so izmišljeni. Excelov popis zalog je bil prav tako pretvorjen brez težav, ime lista pa je postalo naslov: ```markdown ## Stock | Item | In stock | Reserved | Available | | --- | --- | --- | --- | | Coffee beans, kg | 420 | 38 | 382 | | Loose-leaf tea, kg | 180 | 52 | 128 | ``` Predstavitev je postala besedilo; številke diapozitivov so prikazane kot opombe, naslovi diapozitivov pa kot naslovi. Tudi tukaj je cirilično besedilo nedotaknjeno. Splošna trditev, da »MarkItDown ne razume cirilice«, je napačna. Zdaj pa tri mesta, kjer gre kaj narobe. CSV s podpičji. Za primerjavo so obdelali dva enaka izvoza računov. Izvoz z vejicami je ustvaril pravilno tabelo s štirimi stolpci. Pri podpičjih se je celotna vrstica znašla v eni celici. Celotna vrstica je končala v eni celici. Kodiranje je bilo pravilno prepoznano in napake ni bilo; stikalo `-c` ne pomaga. Model bo prejel to tabelo in ne bo razumel, katera vrednost je znesek in katera stanje. Datoteko znova izvozite z izrecno določenim ločilom vejico in pravilnim kodiranjem, izvirnik pa ohranite nespremenjen. Podpičij ne zamenjujte povsod: ločila znotraj besedila v narekovajih in decimalne vejice so lahko del vrednosti. Če ponovni izvoz ni mogoč, izvirnik razčlenite z njegovim dejanskim ločilom in nov CSV zapišite z namenskim zapisovalnikom CSV, ki ohrani narekovaje in vrednosti celic. Pred analizo število stolpcev, vrstic in kontrolne vsote primerjajte z izvornim izvozom. Oblikovanje valut v Excelu. Simbol valute je shranjen v nastavitvah prikaza celice, ne pa v sami vrednosti. Vzdrževalci projekta so potrdili vzrok. Pri ceniku ali računu je to pomembno: model bo videl številke, ne da bi vedel, katero valuto predstavljajo. Konzola Windows. Pri datotekah z nelatiničnimi znaki se program lahko sesuje. Sled napake prikazuje kodiranje `cp1251`, kar pomeni, da gre za konzolo Windows. Dokument se razčleni pravilno; odpove izpis rezultata v terminalsko okno. Na voljo sta dve rešitvi: ```powershell markitdown dogovor.docx -o dogovor.md $env:PYTHONUTF8 = "1"; markitdown dogovor.docx > dogovor.md ``` Prva povsem zaobide konzolo, druga poskrbi, da Python piše v UTF-8. Za odpravo težave v samem orodju so vsaj šestkrat predlagali popravke: nekatere so zaprli, ne da bi jih združili, drugi pa ostajajo odprti. Zato je treba uporabiti obvoz. Četrti znak težav se pojavi v PDF-jih: namesto črk se izpišejo nizi, kot je `(cid:1090)`. To pomeni, da ima datoteka nestandardno tabelo pisav in njenih znakov ni bilo mogoče dekodirati. Takega dokumenta nima smisla obdelovati z MarkItDownom; potrebujete drugo orodje. ## Zakaj se PDF spremeni v zmedo?
Ključne ugotovitve PDF nima strukture, temveč samo znake s koordinatami na strani. Besedilo v enem stolpcu se sestavi dokaj dobro. Dva stolpca se spremenita v zmedo: vrstice se združujejo prek stolpcev, besede se zlepijo, postavitev pa se spremeni v tabele, ki jih v dokumentu sploh ni bilo. Orodje v PDF-jih sploh ne prepoznava naslovov — to jasno kažeta izvorna koda in neodvisne meritve.
Za preizkus so obdelali 2.16-megabajtni znanstveni članek z dvema stolpcema. Izhodna koda je bila nič; po 0.9 sekunde je izhod vseboval 88,000 znakov, skoraj vse nerazumljive. Oseminosemdeset tisoč znakov daje vtis, da je vse delovalo. Dokler ne odprete datoteke: ``` | | Hybrid | | OCR-LLM | | Framework | | --- | ------ | -------- | ----------- | --- | ---------- | ... Informationextractionfromcopy-heavydoc- 5202 tcO 11 ]LC.sc[ 1v83101.0152:viXra ``` Naenkrat so šle narobe tri stvari. Postavitev z dvema stolpcema se je spremenila v tabele, ki jih v članku ni. Besede so se zlepile brez presledkov. Zadnja vrstica je navpična stranska vrstica na strani, izluščena v obratni smeri. Nato je sledil zabavni del. Izkazalo se je, da je bil testni članek prav tista študija, ki je merila MarkItDown in ga primerjala z drugimi orodji. Orodje je odstavek o lastnih meritvah spremenilo v tole: ``` 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- ``` Levi in desni stolpec se združita vrstico za vrstico. Model, ki to dobi, bo prebral polovico stavka iz enega odstavka in polovico drugega. Vzrok je tehničen in preprost. Word izrecno shrani podatek »to je naslov« in »to je celica tabele«. PDF shrani »to je znak« in »to so njegove koordinate na strani«. Rekonstrukcija strukture iz koordinat je ločena, zahtevna naloga, MarkItDown pa jo poskuša komaj kaj. Izvorna koda za razčlenjevanje PDF-jev ne vsebuje zaznavanja naslovov: če stran ni prepoznana kot obrazec ali tabela, gre celoten dokument skozi osnovno izluščanje besedila. Uporabniki to redno prijavljajo v repozitoriju projekta, tudi pri znanstvenih člankih in tabelah. Orodje v PDF-jih ne najde niti enega naslova, kar potrjuje tudi njegova izvorna koda. Trditev »MarkItDown dosega 82-odstotno natančnost« se širi po spletu brez kakršne koli metodologije. Sledenje do izvirnega vira ne pripelje nikamor: veriga povezav se konča na strani, ki se ne naloži. Tega ni mogoče obravnavati kot meritev. ## Kaj se zgodi z optično prebrano pogodbo?
Ključne ugotovitve Nič. Datoteka se obdela, program sporoči uspeh, izhod pa vsebuje nič znakov. Brez napake, brez opozorila. To so dvakrat preizkusili s PDF-jem, narejenim iz slike, in ločeno še s samo sliko — rezultat je bil enak. Orodje izlušči besedilo, ki je v datoteki že shranjeno kot besedilo; brezplačna različica nima zmožnosti prepoznavanja.
To vedenje je nevarnejše od drugih, ker ni videti kot napaka. Za preizkus so iz besedila na sliki ustvarili PDF — točno tak, kot ga dobite, ko pogodbo fotografirate ali optično preberete. Zagon so ponovili, da bi izključili naključje: | Vhod | Izhodna koda | Znakov v izhodu | Sporočilo o napaki | |----|----|----|----| | PDF iz slike, zagon 1 | 0 | 0 | nič | | PDF iz slike, zagon 2 | 0 | 0 | nič | | Neposredna slika PNG | 0 | 1 (prelom vrstice) | nič | Nič znakov in nič napak, dvakrat zapored. Izhodna koda nič pomeni »vse je potekalo v redu«, zato bo vsaka skripta, ki preverja uspeh po izhodni kodi, štela dokument kot obdelan. Nato gre prazen izhod modelu, model ne vidi ničesar in si začne odgovor izmišljati.
Pozor Če dokumente obdelujete v paketih, preverite dolžino izhoda. Izhodna koda vam ne pove ničesar: prazen izhod z izhodno kodo nič je značilen za sken.
Na voljo sta dve rešitvi in obe sta plačljivi. Prva je stikalo `-d`, ki dokument pošlje Microsoftovi storitvi za prepoznavanje v oblaku; besedilo pomoči za stikalo izrecno navaja, da je potrebna veljavna končna točka storitve. Druga je ločen dodatni paket, ki strani pošlje vizualnemu modelu z vašim ključem, zato ponudniku modela plačate za vsako stran. Od aprila 2026 odprta razprava o drugi metodi poroča, da se pri večstranskem skenu obdela samo prva stran. Model za prepoznavanje lahko zaženete tudi na svojem računalniku, vendar je to ločen projekt. Pri enem dokumentu ga je lažje odpreti in besedilo ročno kopirati. Za obdelavo niza skenov potrebujete orodje z vgrajenim prepoznavanjem. ## Ali lahko datoteko preprosto naložite v spletni pretvornik?
Ključne ugotovitve Tehnično da; obstaja veliko domen s tem imenom. Toda nobena ni povezana z Microsoftom. Trditev »datoteka nikoli ne zapusti brskalnika« lahko preverite z enim klikom, pa ni vedno resnična. Preden naložite pogodbo ali izvoz z imeni ljudi, sami preverite, kam gre datoteka.
»MarkItDown online« je eden najpogostejših predlogov za iskanje in obstajajo strani, ki to ponujajo. Microsoftovo izvirno orodje sploh nima spletnega mesta; na voljo je samo kot program, ki ga namestite sami. Vse, kar se s podobnim imenom odpre v brskalniku, je ustvaril nekdo drug. Takšno storitev lahko preverite v minuti: odprite razvijalska orodja na zavihku z omrežnimi zahtevami, naložite neškodljivo datoteko in preverite, ali gre na strežnik. Če gre, je trditev o obdelavi v brskalniku napačna, ne glede na to, kako samozavestno je predstavljena v pogostih vprašanjih.
Pozor Pogodba, račun ali izvoz z imeni zaposlenih vsebuje osebne podatke. Če takšno datoteko pošljete na spletno mesto tretje osebe, ste jo posredovali vi. Lokalni pripomoček odpravi to težavo: datoteka ne zapusti vašega računalnika.
Zato je MarkItDown cenjen tam, kjer dokumentov ni dovoljeno pošiljati iz organizacije. V eni razpravi je nekdo opisal svoj položaj: na službenem prenosniku so bili poljubni programi prepovedani, knjižnice Python pa dovoljene, zato se je lokalni pripomoček izkazal za edino možnost. ## Koliko MarkItDown dejansko prihrani?
Ključne ugotovitve Glavna prednost je, da model dokument sploh lahko razume. Razlika je tudi v velikosti: če primerjate obseg označevalnih podatkov v Officeovih datotekah z velikostjo izluščenega besedila, je slednje pet- do sedemkrat manjše. Orodje odstrani vse, česar modelu ni treba brati: opise pisav, robov in barv celic.
Officeova datoteka je strukturirana kot arhiv z označevalnimi podatki. Če razširite tri testne datoteke in primerjate velikost dela z vsebino z velikostjo izhoda, dobite naslednje: | Datoteka | Označevalni podatki v datoteki | Izluščeno besedilo | Kolikokrat manjše | |-----------------|-----------------|---------------|-----------------------| | Wordova pogodba | 3,701 bajta | 711 bajtov | 5.2 | | Excelova preglednica | 1,561 bajta | 262 bajtov | 6.0 | | Predstavitev | 2,203 bajta | 296 bajtov | 7.4 | Datoteke so majhne; pri večjih bodo razmerja drugačna in ni ene same številke prihranka. Ko v primerjalnih člankih vidite zaokrožene številke, se pozanimajte o metodologiji. Razvijalci sami govorijo tudi o prihrankih: opis projekta izrecno pravi, da so konvencije Markdown zelo varčne s številom znakov. To drži, vendar ne bi smelo biti glavni prodajni argument. Razlika med »model je dobil tri tisoč znakov namesto petnajst tisoč« in »model je dobil jasno strukturo namesto zmede« je povsem drugega reda. Prvo prihrani denar; drugo odloča o tem, ali bo odgovor smiseln. Če vas skrbi poraba konteksta, sta tej temi namenjena ločena članka: [Kam gredo žetoni v Claudu](https://ailoot.ai/blog/sl/where-claude-code-tokens-go/) in [koliko jih vsebuje posamezen paket](https://ailoot.ai/blog/sl/claude-pro-max-usage-limits/). ## Kako MarkItDown prek MCP povežete s Claudom?
Ključne ugotovitve Projekt ima ločen paket, ki z enim ukazom zažene strežnik MCP: podate pot do datoteke in dobite besedilo. Septembra 2026 je bil paket končno posodobljen na 0.0.1a7, vendar je gradnja še vedno predizdaja in privzeto pošilja telemetrijo Microsoftu. Spodnji ukaz ga poveže prek uv, določi različico, uporabi Python 3.12 in izklopi telemetrijo. Preverjanje pristnosti ni na voljo, lastna dokumentacija pa pravi, da lahko strežnik bere katero koli datoteko, ki je na voljo uporabniku, ki ga je zagnal.
MCP omogoča, da AI dobi zunanje orodje, ki ga lahko uporablja sam. Za pregled mehanizma in drugih strežnikov si oglejte pregled [strežnikov MCP za Claude Code](https://ailoot.ai/blog/sl/mcp-servers-claude-code/). Strežnik MarkItDown ponuja natanko eno orodje: pretvorbo dokumenta v besedilo. Sprejme lokalno pot do datoteke, URL strani ali podatke, vdelane neposredno v zahtevo. S Claude Code ga povežete z enim ukazom, ki določi različico strežnika. Potrebujete upravitelja paketov uv: ```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 ``` V odgovoru na drugi ukaz bi moralo biti za `markitdown` prikazano »Connected«. Ob prvem zagonu se prenese približno sedemdeset paketov, kar traja do minute; po tem se strežnik zažene v eni do eni sekundi in pol. Omejitve so bile ročno preverjene. Gradnja `0.0.1a7` je bila izdana 14. septembra 2026. Pred tem je bil strežnik več kot leto dni obtičal pri `0.0.1a4` iz maja 2025. Najnovejša številka različice še vedno označuje predizdajo. Ne namesti se v vsak sistem z novejšo različico Pythona. Pogon onnxruntime, od katerega je odvisen, je za Python 3.14 na Macu na voljo samo za Apple Silicon z macOS 14 ali novejšim, zato namestitev v Macih Intel in macOS 13 ali starejših z različico Python 3.14 ne uspe. Strežnik so pognali na Macu Apple Silicon s Pythonom 3.14, 3.13 in 3.12; namestil se je v vseh treh primerih. Ukaz uporablja `UV_PYTHON=3.12`: vnaprej zgrajeni paketi za 3.12 so na voljo v sistemih Windows, Linux in Macih Apple Silicon; če te različice Pythona nimate, jo bo uv prenesel. Tudi pri Macih Intel obstaja omejitev: uv bo knjižnico cryptography zgradil iz izvorne kode, ker od junija 2026 zanjo ni vnaprej zgrajenega paketa. Namestitev traja dlje in lahko ne uspe. Različica nameščenega MarkItDowna je odvisna od različice uv. Začenši z MarkItDownom 0.1.6, njegova dodatna možnost `[all]` zahteva predizdajno knjižnico Azure: uv 0.12 in novejši jo namesti skupaj z najnovejšim MarkItDownom 0.1.8, starejše različice uv pa se vrnejo na 0.1.5. Različico uv preverite z `uv --version`. Dve vrsti podatkov zapustita računalnik. Prva je telemetrija: v Macu in Linuxu jo pogon onnxruntime znotraj strežnika privzeto pošilja Microsoftu. Spremenljivka `ORT_DISABLE_TELEMETRY=1` v ukazu jo izklopi. V preizkusu se je strežnik brez nje povezal z Microsoftovimi končnimi točkami za telemetrijo. Ko je bila spremenljivka nastavljena, med obdelavo datotek z diska ni bilo nobenih povezav. Druga vrsta je zvok. Strežnik pošlje datoteke WAV, MP3, M4A in MP4 Googlovi storitvi za prepoznavanje govora v prepis prek običajnega HTTP-ja, brez šifriranja. Bolje je, da mu ne pošiljate posnetkov pogovorov s strankami. Velik dokument ne bo šel skozi. Odprta razprava opisuje strežniški odgovor s 51,000 žetoni, ki je naletel na omejitev 25,000 žetonov; orodje datotek ne razdeli na dele. In varnost. Lastna dokumentacija paketa jasno pravi:

Strežnik ne podpira preverjanja pristnosti in deluje z dovoljenji uporabnika, ki ga je zagnal. Orodje za pretvorbo je mogoče uporabiti za branje katere koli datoteke, dostopne uporabniku strežnika, ali katerih koli podatkov v omrežju.

— Microsoft, opis paketa markitdown-mcp (prevedeno), https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp
Z drugimi besedami, agent s tem orodjem lahko prebere vse, kar lahko preberete vi. To je sprejemljivo za delo na lastnem računalniku. Strežnika ne smete javno izpostaviti ali ga dati nezaupanja vrednemu agentu.
Pozor Dokumentacija projekta ne vključuje konfiguracije, namenjene posebej za Claude Code; opisuje samo Claude Desktop in zagon prek vsebnika. Če na spletu najdete pripravljeno konfiguracijo, ki naj bi bila »iz uradne dokumentacije« za Claude Code, vedite, da v repozitoriju take konfiguracije ni.
Za redno delo je lažje zagnati program z ukazom in dobljeno besedilo shraniti v projekt. Datoteka je tako ob drugem gradivu, kjer jo model lahko poišče sam. ## Kdaj je bolj pošteno uporabiti drugo orodje?
Ključne ugotovitve Pravilo je preprosto: če je struktura že zapisana v datoteki, uporabite MarkItDown — najhitrejši je in brezplačen. Če je treba strukturo rekonstruirati iz slike strani, uporabite orodje z modeli za postavitev. Docling obdeluje tabele in zapletene postavitve, MinerU formule in več stolpcev, plačljive storitve v oblaku pa pomagajo, ko ni časa za ukvarjanje z nastavitvami.
Primerjava glede na nalogo; število zvezdic na GitHubu nima nobene zveze s tem: | Orodje | Prednost | Kaj vas stane | |----|----|----| | MarkItDown | Officeove datoteke, hitrost, brezplačna uporaba | ne zmore zapletenih PDF-jev ali skenov | | Docling | tabele in postavitve s specializiranimi modeli | več deset sekund na dokument | | MinerU | več stolpcev, formule, goste tabele | zahtevnejša namestitev | | Marker | visoka natančnost, formule, ilustracije | potrebuje grafično kartico, licenca pa omejuje prihodke | | unstructured | vrne strukturo dokumenta v delih z opisi | izhod je težje uporabiti | | Razčlenjevalniki v oblaku | brez nastavljanja | denar in pošiljanje dokumenta zunaj računalnika | Pri Markerju je podrobnost, ki jo primerjalni članki izpuščajo. Od julija 2026 je sama koda pod permisivno licenco, uteži modela pa pod ločeno licenco z mejnim pogojem: uporaba je brezplačna, če podjetje v prejšnjem letu ni preseglo petih milijonov dolarjev prihodkov in zbralo enakega zneska financiranja. Ločena klavzula prepoveduje uporabo vsakomur, ki gradi konkurenčni izdelek. Večine bralcev to ne zadeva, vendar je razlog, da rastoče podjetje pred uporabo prebere licenco. To vodi do praktičnega štiristopenjskega poteka dela: 1. Vse najprej obdelajte z MarkItDownom — brezplačen je in hiter. 2. Odprite rezultat in preverite njegovo velikost. 3. Če je besedilo smiselno, je naloga opravljena; nič drugega ni potrebno. 4. Če je izhod zmeden ali prazen, obdelajte to datoteko z zahtevnejšim orodjem. Tako plačate s časom in zapletenostjo samo za dokumente, ki to potrebujejo. ## Kako MarkItDown vključiti v svoj potek dela?
Ključne ugotovitve Anthropic samo v opisih svojih veščin navaja pravilo: to orodje uporabite za branje dokumenta. Na njegovi podlagi ne načrtujte urejanja. Tukaj so trije primeri, pri katerih se uporaba obrestuje že ob prvem zagonu: razčlenitev skupine podobnih dokumentov, enkratna vključitev stalnega referenčnega gradiva v projekt AI in priprava izvoza iz računovodskega sistema za analizo.
Anthropic uporablja MarkItDown v svojih pripravljenih veščinah za delo z Officeovimi datotekami; te veščine jasno opredelijo mejo, ki jo velja v celoti upoštevati:

Hitro preglejte delovni list: markitdown file.xlsx. Koordinate celic niso na voljo, zato na tej podlagi ne načrtujte urejanja.

— Anthropic, opis veščine za delo s tabelami (prevedeno), https://github.com/anthropics/skills/blob/main/skills/xlsx/SKILL.md
V besedilu se izgubijo sklici na celice in strani, zato ga ne morete uporabiti za spreminjanje izvorne datoteke. Tu so trije scenariji. Skupina podobnih dokumentov — zapisniki, računi, obrazci, vloge. Dajte jih v mapo in jih zaženite z eno vrstico: ```bash for f in dokumenty/*.docx; do markitdown "$f" -o "text/$(basename "$f" .docx).md"; done ``` Nato modelu dajte mapo z besedilnimi datotekami in ga prosite, naj ustrezne informacije zbere v tabelo. To deluje z digitalnimi datotekami; skeni ne bodo uspeli, kar boste takoj opazili po ničelni velikosti. Stalno gradivo projekta — ceniki, predloge pogodb, pravilniki, opisi storitev. Enkrat ga pretvorite v besedilo in ga shranite ob projektu. Model ga bo potem lahko prebral ob vsaki zahtevi, zato vam datotek ne bo treba vsakič znova prilagati pogovoru. Članek o [nalaganju datotek v Claude](https://ailoot.ai/blog/sl/claude-file-upload/) pojasnjuje, kako se to razlikuje od nalaganja datoteke v klepet. Izvoz iz računovodskega sistema. Excelov izvoz iz računovodske programske opreme ali bančnega računa postane tabela v tretjini sekunde, model pa lahko izračuna podatke brez vmesnega urejanja. Preverite, da je CSV izvožen ali razčlenjen z dejanskim ločilom, narekovaji in kodiranjem, ter pred predajo modelu primerjajte vrstice, stolpce in kontrolne vsote. Ločil ne poenotite z iskanjem in zamenjavo. Tudi valuto zabeležite izrecno: simbol, shranjen samo v oblikovanju celice Excel, se pri izvleku ne ohrani. Obdelava velikih PDF-jev v terminalu ni na tem seznamu. To je ločeno vprašanje, povezano z uporabo konteksta, ki ga obravnava članek o [PDF-jih v Claude Code brez izgube žetonov](https://ailoot.ai/blog/sl/pdf-claude-code-markdown/). Če šele postavljate svoje delovno okolje, začnite z [namestitvijo Claude Code](https://ailoot.ai/blog/sl/install-claude-code/). Če želite začeti takoj, zaženite `pip install 'markitdown[pdf,docx,xlsx,pptx]'`, obdelajte prvo Wordovo pogodbo, ki jo najdete, in preverite velikost rezultata. V pol minute boste vedeli, ali deluje z vašimi datotekami.
### Pogosta vprašanja Ali je MarkItDown brezplačen? Da. Ima licenco MIT brez omejitev za komercialno uporabo. Plačate samo dve izbirni metodi: Microsoftovo prepoznavanje v oblaku prek stikala `-d` in opise slik, ki jih ustvari vizualni model z vašim ključem. Vse drugo brezplačno deluje na vašem računalniku. Ali se podatki pošiljajo na kak strežnik? Pri običajni pretvorbi Officeovih datotek in PDF-jev ne — vse se obdela lokalno. Obstajajo tri izjeme: prepis zvoka poteka prek Googlove storitve, stikalo `-d` pošlje dokument v Microsoftov oblak, opisi slik pa se pošljejo modelu z vašim ključem. Nobena od teh metod ni samodejno vključena. Zakaj po namestitvi ne najdem ukaza markitdown? Najpogosteje je bil program nameščen v okolju, ki ni na vaši iskalni poti. Preverite celotno pot do datoteke v okolju. Drug pogost primer je, da ste ga namestili za eno različico Pythona, kličete pa ga z drugo. Še ena past: v različicah Pythona, starejših od 3.10, se brez napake pri namestitvi namesti prazen paket. Kaj naj naredim, če namesto črk vidim `(cid:1090)` in podobne nize? To je nedekodirana tabela pisav v PDF-ju. Nastavitve tega ne bodo odpravile; datoteko morate obdelati z drugim orodjem, na primer Doclingom ali MinerU. Pri posameznem dokumentu je ročno kopiranje besedila iz pregledovalnika hitrejše. Ali lahko hkrati obdelam celo mapo datotek? Ločenega načina za mape ni, lahko pa uporabite enovrstično terminalno zanko: for f in papka/\*.docx; do markitdown "\$f" -o "\$f.md"; done. Druga možnost je, da vse zapakirate v ZIP in posredujete arhiv: program bo obdelal njegovo vsebino, datoteke, ki jih ne more razčleniti, pa bodo izginile brez opozorila. Kako se izhod razlikuje od ročnega kopiranja besedila? Ohrani strukturo. Pri kopiranju dobite ravno besedilo, v katerem naslova ni mogoče ločiti od odstavka, tabela pa razpade. MarkItDown ohrani naslove, sezname in tabele, tako da model lahko razbere, kaj je kaj. Pri enem kratkem dokumentu je razlika majhna, pri dvajsetih pa odločilna. Ali lahko MarkItDown odpre dokumente, zaščitene z geslom? Ne. Datoteka, zaščitena z geslom, se ne bo odprla; gesla programu ne morete posredovati. Zaščito morate prej odstraniti v aplikaciji, ki jo je uporabila.
### Viri - [MarkItDown – projektni repozitorij na GitHubu](https://github.com/microsoft/markitdown) - [MarkItDown na PyPI – različice in datumi izdaj](https://pypi.org/project/markitdown/) - [markitdown-mcp – opis strežnika MCP](https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp) - [Anthropic Skills – kako MarkItDown uporabljajo za tabele](https://github.com/anthropics/skills/blob/main/skills/xlsx/SKILL.md) - [Docling – razčlenjevanje dokumentov z modeli za postavitev](https://docling-project.github.io/docling/) - [MinerU – razčlenjevanje zapletenih postavitev PDF-jev](https://github.com/opendatalab/MinerU) - [Marker – licenca za uteži modela](https://github.com/datalab-to/marker/blob/master/MODEL_LICENSE) - [pandoc – pretvornik označevalnih jezikov](https://pandoc.org/)
Ko boste pripravljeni, spoznajte [Ailoot](https://ailoot.ai/). ## Vprašanja in odgovori: Kako datoteke PDF in Word pretvoriti v besedilo za AI: Microsoftov MarkItDown ### Ali lahko CSV s podpičji popravim tako, da vsako podpičje zamenjam z vejico? Ne. Besedilo v narekovajih in decimalni zapisi lahko vsebujejo te znake. Znova izvozite s predvidenim ločilom ali uporabite razčlenjevalnik in zapisovalnik CSV z izrecnimi nastavitvami ločila, kodiranja in narekovajev; stolpce, vrstice in kontrolne vsote preverite glede na izvirnik. ### Ali izhodna koda nič pomeni, da je bil PDF uporabno pretvorjen? Ne. Primer skena v članku je brez napake vrnil prazen izhod, zapleten PDF pa neberljivo besedilo. Odprite rezultat, preverite dolžino in strukturo ter pri praznem ali neurejenem izvlečku uporabite orodje za postavitev ali prepoznavanje. ## Ailoot · Podjetje in njegov portfelj projektov Ailoot temelji na pridobljenih operativnih izkušnjah, široki bazi strank, stabilni storitvi in stalnem spremljanju KPI. Podjetje in njegov portfelj projektov: milijoni strank; mesečna prodaja v milijardah. Ailoot te operativne izkušnje uporablja za dostop prek API do funkcij umetne inteligence v izdelkih strank, agentih, aplikacijah in avtomatizacijah.