MarkItDown: PDF va Word fayllarini AI uchun matnga aylantirish

Qo‘shimcha ko‘rsatmalar Ailoot hujjatlarida mavjud.

MarkItDown nima va u nima uchun kerak?#

AI’ga shartnoma, hisobot yoki buxgalteriya eksportini yuborasiz-u, hujjatga aloqasi bo‘lmagan javob olasiz. Bunga odatda model sabab bo‘lmaydi. Faylning o‘zida format bor: Word — belgilash teglari saqlangan arxiv, Excel — kataklar orasida bog‘lanishlari bo‘lgan elektron jadval, PDF esa sahifadagi koordinatalarga ega belgilar to‘plami. Model matn bilan ishlaydi, bu matnni esa kimdir ajratib olishi kerak.

MarkItDown aynan shuni qiladi. Repozitoriy github.com/microsoft/markitdown manzilida, MIT litsenziyasi ostida joylashgan, shuning uchun undan cheklovlarsiz foydalanishingiz mumkin. 2026-yil 18-avgust holatiga ko‘ra, loyiha 174,412 ta yulduz va 12,756 ta forkka ega; eng so‘nggi reliz 0.1.7 bo‘lib, 29-iyulda chiqqan. Loyiha faol, ammo uning yo‘nalishi ishlab chiqishdan texnik xizmat ko‘rsatishga o‘zgargan: butun tarixi davomida birlashtirilgan 183 ta pull requestga nisbatan 481 ta ochiq pull request bor.

Dasturchilar uning maqsadini shunday ta’riflaydi:

Tavsifdagi keyingi jumla odamlarning vosita haqida bildiradigan e’tirozlarining yarmini tushuntiradi:

Natija — model uchun xomashyo. U chiroyli hujjat bo‘lmaydi va loyiha buni birinchi bo‘limidayoq ochiq aytadi.

Tavsif Markdown’dan nima uchun foydalanilishini bevosita tushuntiradi: yetakchi modellar bu belgilash tilida allaqachon “gapiradi” va so‘ralmasa ham javoblariga uni qo‘shadi, chunki o‘qitish vaqtida uning juda katta hajmlarini ko‘rgan. Belgilash tili ixcham ham: sarlavha uchun o‘nlab satr metama’lumot o‘rniga uchta panjara belgisi ishlatiladi.

MarkItDown oddiy konvertordan nimasi bilan farq qiladi?#

Farqni bitta misolda ko‘rish mumkin. Yigirmata PDF fayli bor papkani olib, ularni pandoc orqali o‘tkazib ko‘ring. Ishlamaydi: pandoc PDF’ni chiqish formati sifatida yaratishi mumkin, ammo uni kirish formati sifatida o‘qiy olmaydi. “Menda bir dasta hujjat bor; ularni modelga ber” degan holat esa eng ko‘p uchraydiganidir.

MarkItDown mualliflari o‘zlarini istalgan joydan matnni shunchaki ajratib oladigan textract kutubxonasi bilan taqqoslaydi. Farqi shundaki, MarkItDown tuzilmani: sarlavhalar, ro‘yxatlar, jadvallar va havolalarni saqlashga harakat qiladi.

Amaliy xulosa oddiy. Agar maqolani nashr uchun maketga aylantirish kerak bo‘lsa, pandoc’dan foydalaning. Agar AI yigirmata shartnomani tushunishi kerak bo‘lsa, MarkItDown’dan foydalaning.

Birinchi reliz o‘rnatilib qolmasligi uchun MarkItDown’ni qanday o‘rnatish kerak?#

Avval to‘g‘ri buyruq, keyin nega aynan shu buyruq ekani.

1. Python versiyasini tekshiring

   Python 3.12 eng ishonchli: sinovdan o‘tkazilgan barcha muhitlarda MarkItDown’ning eng so‘nggi versiyasi unga o‘rnatiladi. Sizdagi versiyani python3 --version buyrug‘i ko‘rsatadi. Intel Mac’larda yoki macOS’ning eski versiyasi o‘rnatilgan Mac’larda Python 3.13 va 3.14 versiyalari sezilmasdan pasayishi mumkin; quyida tushuntirilganidek, Python 3.15 hali qo‘llab-quvvatlanmaydi.

2. Formatlarni ko‘rsatib o‘rnating

   pip install 'markitdown[pdf,docx,xlsx,pptx]' buyrug‘ini bajaring. Qo‘shtirnoqlar kerak, aks holda qobiq kvadrat qavslarni o‘zi talqin qiladi. Intel Mac’da install dan keyin --prefer-binary bayrog‘ini qo‘shing.

3. O‘rnatilganini darhol tekshiring

   markitdown --version buyrug‘ini bajaring. Javob markitdown 0.1.8 yoki undan keyingi versiya bo‘lishi kerak. Raqam kichikroq bo‘lsa, o‘rnatish versiyani pasaytirgan bo‘ladi; buning sababi ushbu bo‘limda tushuntirilgan.

pip install 'markitdown[pdf,docx,xlsx,pptx]'
markitdown --version

Loyiha tavsifida hammasini birdan o‘rnatish uchun asosiy buyruq sifatida pip install 'markitdown[all]' ko‘rsatilgan. 2026-yil 28-sentabrda, 0.1.8 chiqqanidan bir hafta o‘tib, Apple Silicon Mac’da Python 3.14.6 va 3.12.12 bilan toza muhitlarda to‘rtta variant ishga tushirildi:

Sakkizta o‘rnatishning barchasi “Successfully installed” bilan yakunlandi va har bir holatda markitdown --version 0.1.8 ni qaytardi. Avgustda, eng so‘nggi reliz 0.1.7 bo‘lganida, Python 3.14 dagi uchinchi buyruq 2025-yil 8-martda chiqqan 0.0.2 ni — loyiha tarixidagi ikkinchi relizni — o‘rnatgan edi. Hozir unda 0.0.1 dan 0.1.8 gacha o‘n bitta barqaror reliz, oldindan chiqarilganlari bilan esa yigirma oltita reliz bor.

Sabab bog‘liqliklar zanjirida edi. 0.1.7 da [all] qo‘shimchasi YouTube subtitrlari kutubxonasining muayyan relizlar qatorini olib keladi; bu qatordagi barcha relizlar Python 3.14 da ishlamasligini e’lon qiladi. O‘rnatuvchi ularni rad etadi va versiya belgilanmagani uchun o‘rnatish mumkin bo‘lgan versiyani topguncha MarkItDown relizlari bo‘ylab orqaga qaytadi. U 0.0.2 ni topib, bir yarim yil oldingi relizni kompyuteringizga o‘rnatadi. 0.1.8 da subtitrlar kutubxonasi talabi 3.14 da ishlaydigan qatorga ko‘tarildi va pasayish shu yerda to‘xtadi.

Mexanizm hanuz mavjud. O‘rnatuvchi tizimingiz uchun zarur komponentlardan birini topa olmasa, xuddi shu tarzda jimgina 0.0.2 ga qaytadi. So‘nggi versiyalarda bunday komponent fayl turini aniqlash vositasi foydalanadigan onnxruntime dvijogidir. Mac’da u quyidagicha tuziladi: Python 3.12 uchun macOS 11 va undan keyingi versiyalar; 3.13 uchun macOS 13; 3.14 uchun esa faqat macOS 14 yoki undan keyingi versiyadagi Apple Silicon. Mac’ingiz bu talablarga mos kelmasa, hatto oddiy pip install markitdown buyrug‘i ham 0.0.2 ni o‘rnatadi. Rosetta orqali Python 3.14 ishlayotgan Intel Mac’dagi sinovda aynan shunday bo‘ldi: “Successfully installed”, ogohlantirishlar yo‘q, ichida esa 0.0.2.

Intel Mac’larda yana bir murakkablik bor. 2026-yil iyunidan beri PDF o‘qish uchun jalb qilinadigan cryptography kutubxonasi ushbu protsessor uchun oldindan yig‘ilgan versiyasiz chiqarilmoqda, shuning uchun o‘rnatuvchi uni manba kodidan tuzishga urinadi. Buyruqqa --prefer-binary bayrog‘ini qo‘shing, shunda oldindan yig‘ilgan paketi bor avvalgi versiyadan foydalanadi. Intel uchun Python 3.13 da o‘tkazilgan sinovda bu 0.1.8 ni o‘rnatdi va PDF ochildi. Bayroq uchta ma’lum zaifligi bor cryptography 48.0.1 versiyasini o‘rnatadi: PKCS#7 shifrini ochish va sertifikat zanjirini tekshirish bilan bog‘liq. MarkItDown undan faqat shifrlangan PDF fayllarini ochishda foydalanadi; hujjatni oddiy o‘qish bu qismlarga murojaat qilmaydi.

Python 3.15 da pasayish ikki sababga ko‘ra yuz beradi. 0.1.8 versiyasi faqat 3.10 dan 3.14 gacha qo‘llab-quvvatlashini bildiradi va 3.15 uchun dvijok hali yo‘q. O‘rnatuvchining 3.15 dagi yechimi buni tasdiqlaydi: oddiy buyruq ham, formatlar ko‘rsatilgan buyruq ham bir xil 0.0.2 ni o‘rnatadi.

Versiya pasayishi haqida ogohlantirish quyidagicha ko‘rinadi, buyruqdagi har bir qo‘shimcha uchun bittadan satr:

WARNING: markitdown 0.0.2 does not provide the extra 'all'

Bu satr o‘nlab yuklab olish satrlari orasida ko‘zdan qochadi va o‘rniga qaysi versiya qo‘yilgani haqida hech narsa demaydi. Qo‘shimchalarsiz oddiy buyruqda esa umuman ogohlantirish bo‘lmaydi. Yakuniy hisobot quvnoq: “Successfully installed.”

Qo‘shimchalarsiz o‘rnatish ham yechim emas. Asosiy paket o‘rnatiladi, lekin PDF ocholmaydi:

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]'

Vositaning o‘zi [all] ni tavsiya qiladi va 0.1.8 bilan bu maslahat Python 3.14 hamda 3.12 da yana ishlaydi. Shunga qaramay, formatlarni nomma-nom ko‘rsatgan ma’qul: [all] yana o‘n beshtacha paket va qariyb 55 megabayt, jumladan oldindan chiqarilgan Azure kutubxonasi va o‘rnatishni bir marta buzgan o‘sha YouTube bog‘liqliklar zanjirini ham qo‘shadi.

Azure’ning oldindan chiqarilgan versiyasini o‘rnatuvchi o‘zi boshqaradi. Odatda pip oldindan chiqarilgan versiyalarni o‘tkazib yuboradi, ammo bu yerda talabda oldindan chiqarilgan versiya aniq ko‘rsatilgan, shuning uchun u o‘rnatiladi. Python 3.12 da 23.2 dan 26.2 gacha bo‘lgan pip’ning to‘rtta versiyasi sinovdan o‘tkazildi; barchasi 0.1.8 ni tanlaydi.

Avgustda boshqa toza muhitda qayta o‘rnatish ham xuddi shu natijani berdi: 0.0.2 va “Successfully” so‘zi.

Oldindan bilib qo‘yish foydali bo‘lgan bir nechta amaliy jihat bor.

U ancha katta: asosiy o‘rnatish 143 megabayt, to‘rtta format bilan esa 303 megabayt joy oladi. 81 megabaytlik eng og‘ir qism — fayl turini aniqlash vositasi — hatto asosiy o‘rnatishga ham qo‘shiladi. Noutbuk uchun bu muhim emas, ammo hajmi cheklangan bulut funksiyasi uchun muhim.

Nusxa ko‘chiruvchilarni zaxira reja deb hisoblamang. Sinovdan o‘tgan nusxa ko‘chiruvchi indeksni taqdim etdi va MarkItDown fayllari ham bor edi, lekin zarur bog‘liqliklardan biri yo‘qligi sababli o‘rnatish Python 3.14 ham, 3.12 da ham bajarilmadi.

O‘rnatish asosiy muammo bilan solishtirganda mayda masala. AI ko‘pincha noto‘g‘ri narsa yoki uning noto‘g‘ri ifodasi kontekst oynasiga tushgani uchun bema’ni natija beradi. Vazifadan oldin modelga nima berishni hal qilish qobiliyati kontekst muhandisligi deb ataladi, hujjatni tayyorlash esa uning bir qismidir.

Birinchi hujjatingizni matnga qanday aylantirasiz?#

Eng qisqa usul:

markitdown dogovor.docx

Matn terminalda chiqadi. Uni faylga saqlashning ikki yo‘li bor:

markitdown dogovor.docx -o dogovor.md
markitdown dogovor.docx > dogovor.md

Mac va Linux’da farqi deyarli sezilmaydi, ammo Windows’da bu muhim: chiqishda kirill yozuvidagi matn bo‘lsa, > orqali yo‘naltirish dasturni ishdan chiqarishi mumkin.

Faylni oqim sifatida uzatish mumkin; bunday holda kengaytma haqida ko‘rsatma foydali:

cat dogovor.docx | markitdown -x docx

Quyida 0.1.8 yordam ma’lumotidagi asosiy bayroqlar keltirilgan:

Shu yordam ma’lumotida sinab ko‘rilgan yana uchta foydali bayroq bor: --list-plugins o‘rnatilgan plaginlarni ko‘rsatadi, -p ularni muayyan ishga tushirishda faollashtiradi, --keep-data-uris esa hujjatga joylangan rasmlarni natijada saqlab qoladi (odatda ular kesib tashlanadi). Qolganlari Microsoft’ning bulut xizmatlari sozlamalaridir.

Python qobig‘i uch qatorni oladi:

from markitdown import MarkItDown

md = MarkItDown()
print(md.convert("ostatki.xlsx").text_content)

Xuddi shu chaqiruv URL manzilini ham qabul qiladi. Oddiy sahifa menyu va pastki kolontitulsiz, sarlavha va havolani o‘z ichiga olgan 167 belgili toza matnni qaytardi:

r = md.convert("https://example.com")

MarkItDown qaysi formatlarni tushunadi va bu amalda nimani anglatadi?#

Da’vo qilingan imkoniyatlar va amalda ular nimani anglatishini jamlovchi jadval.

Uchta element batafsilroq.

Rasmlar. Tavsifda OCR so‘zi bor, shuning uchun odamlar dastur suratdagi matnni o‘qiydi deb kutadi. Unday emas. U exiftool nomli alohida dastur yordamida metama’lumotlarni o‘qiydi va o‘z kalitingiz bilan ko‘rish modelini ulasangiz, tasvirni tavsiflash uchun unga yuborishi mumkin.

Audio. Nutq transkripsiyasi mavjud, lekin til uzatilmaydi va dvijok odatiy holatda ingliz tilini kutadi. U Google’ning norasmiy bepul endpoint’iga ham murojaat qiladi, bunda har bir kalit uchun kuniga taxminan ellikta so‘rov bilan cheklov qo‘yilgan.

Arxivlar. Dastur ZIP fayllarni ochib, ichidagi fayllarni ko‘rib chiqadi va natijalarni birlashtiradi. Faylni tahlil qila olmasa, xato ushlanib, bostiriladi. Fayl shunchaki natijada ko‘rinmaydi va siz bundan xabar topmaysiz.

Kirill yozuvidagi hujjatlar bilan nima sodir bo‘ladi?#

Quyidagi fayllar aynan sinov uchun yaratildi; ulardagi ma’lumotlar to‘qima.

Excel inventar jadvali ham xuddi shunday toza chiqdi, varaq nomi sarlavhaga aylantirildi:

## Stock
| Item | In stock | Reserved | Available |
| --- | --- | --- | --- |
| Coffee beans, kg | 420 | 38 | 382 |
| Loose-leaf tea, kg | 180 | 52 | 128 |

Taqdimot matnga aylantirildi, slayd raqamlari izoh sifatida ko‘rsatildi, slayd sarlavhalari esa sarlavhalarga aylandi. Bu yerda ham kirill yozuvidagi matn o‘zgarishsiz qoldi. “MarkItDown kirill yozuvini tushunmaydi” degan umumiy da’vo noto‘g‘ri.

Endi narsalar buziladigan uchta joyni ko‘rib chiqamiz.

Nuqtali vergulli CSV. Taqqoslash uchun bir xil ikkita hisob-faktura eksporti ishga tushirildi. Vergul ishlatgani to‘rt ustunli to‘g‘ri jadval chiqardi. Nuqtali vergul bilan esa butun satr bitta katakka tushadi.

Butun satr bitta katakka tushdi. Kodirovka to‘g‘ri aniqlandi va xato chiqmadi; -c bayrog‘i yordam bermaydi. Model bu jadvalni oladi-yu, qaysi qiymat summa, qaysi biri holat ekanini tushunmaydi. Asl nusxani o‘zgartirmay, ajratgichni vergul va kodirovkani aniq belgilab qayta eksport qiling. Nuqtali vergullarni ommaviy almashtirmang: qo‘shtirnoq ichidagi ajratgich va kasr verguli qiymatga tegishli bo‘lishi mumkin. Qayta eksport imkonsiz bo‘lsa, haqiqiy ajratgich bilan parse qilib, quoting va katak qiymatlarini saqlaydigan CSV writer orqali yangi fayl yozing. Tahlildan oldin ustun, satr va nazorat jamilarini manba eksport bilan solishtiring.

Excel’dagi valyuta formati. Valyuta belgisi katakning ko‘rsatish sozlamalarida saqlanadi va qiymatning o‘ziga kirmaydi. Loyiha mas’ullari sababni tasdiqlagan. Narxlar ro‘yxati yoki hisob-faktura uchun bu muhim: model qaysi valyutada ekanini bilmasdan sonlarni ko‘radi.

Windows konsoli. Lotin bo‘lmagan belgilar bor fayllarda dastur ishdan chiqishi mumkin.

Xato izida cp1251 kodirovkasi ko‘rsatilgan, bu Windows konsolini anglatadi. Hujjatning o‘zi to‘g‘ri tahlil qilinadi; terminal oynasida natijani chiqarishning o‘zi muvaffaqiyatsiz bo‘ladi. Shunday qilib, ikkita aylanma yo‘l bor:

markitdown dogovor.docx -o dogovor.md
$env:PYTHONUTF8 = "1"; markitdown dogovor.docx > dogovor.md

Birinchisi konsolni butunlay chetlab o‘tadi; ikkinchisi Python’ni UTF-8’da yozishga majbur qiladi. Odamlar muammoni vositaning o‘zida tuzatish uchun kamida olti marta tuzatish yuborgan: ayrim takliflar birlashtirilmasdan yopilgan, qolganlari esa ochiq. Demak, aylanma yo‘ldan foydalanishga to‘g‘ri keladi.

PDF fayllarda to‘rtinchi alomat uchraydi: harflar o‘rnida (cid:1090) kabi ketma-ketliklar. Bu faylda nostandart shrift jadvali borligini va belgilarni dekodlab bo‘lmaganini anglatadi. Bunday hujjatni MarkItDown orqali qayta ishlash befoyda; boshqa vosita kerak.

Nega PDF chalkash holga keladi?#

Sinov uchun hajmi 2.16 megabayt bo‘lgan, ikki ustunli ilmiy maqola qayta ishlandi. Chiqish kodi nol bo‘ldi; 0.9 soniyadan so‘ng chiqishda 88,000 ta belgi bor edi, ularning deyarli barchasi bema’ni matn edi. Sakson sakkiz mingta belgi hammasi ishlagan degan taassurot uyg‘otadi. Faylni ochguningizcha:

|     | Hybrid |          | OCR-LLM     |     | Framework  |
| --- | ------ | -------- | ----------- | --- | ---------- |
...
Informationextractionfromcopy-heavydoc-
5202 tcO 11  ]LC.sc[  1v83101.0152:viXra

Bir vaqtning o‘zida uchta narsa buzildi. Ikki ustunli maket maqolada yo‘q jadvallarga aylandi. So‘zlar orasidagi bo‘shliqlar yo‘qolib, ular bir-biriga qo‘shildi. Oxirgi satr esa sahifadagi vertikal yon panel bo‘lib, teskari tartibda ajratib olingan.

Keyin kulgili qism boshlandi. Sinov maqolasi MarkItDown’ni o‘lchab, boshqa vositalar bilan taqqoslagan aynan o‘sha ish bo‘lib chiqdi. Vosita o‘z o‘lchovlari haqida xabar berilgan paragrafni quyidagicha aylantirdi:

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-

Chap va o‘ng ustunlar satrma-satr birlashtirilgan. Buni olgan model bir paragrafning yarim jumlasini boshqasining yarmi bilan o‘qiydi.

Sababi texnik jihatdan sodda. Word’da “bu sarlavha” va “bu jadval katagi” degan ma’lumotlar aniq saqlanadi. PDF’da esa “bu belgi” va “uning sahifadagi koordinatalari shular” degan ma’lumotlar bor. Koordinatalardan tuzilmani qayta tiklash alohida va qiyin vazifa, MarkItDown esa bunga zo‘rg‘a urinadi. PDF tahlili uchun manba kodda sarlavha aniqlash yo‘q: sahifa shakl yoki jadval deb tan olinmasa, butun hujjat asosiy matn ajratishdan o‘tadi.

Foydalanuvchilar bu haqda loyiha repozitoriysida, jumladan ilmiy maqolalar va jadvallar bo‘yicha, muntazam xabar beradi.

Manba kod ko‘rsatganidek, vosita PDF fayllarda birorta ham sarlavha topmaydi.

“MarkItDown 82% aniqlikka erishadi” degan raqam metodologiyasiz internetda tarqalmoqda. Uni asl manbagacha kuzatish natija bermaydi: havolalar zanjiri yuklanmaydigan sahifada tugaydi. Buni o‘lchov deb qabul qilib bo‘lmaydi.

Skan qilingan shartnoma bilan nima bo‘ladi?#

Bu holat boshqalaridan xavfliroq, chunki muvaffaqiyatsizlikka o‘xshamaydi.

Sinov uchun matnli rasmdan PDF yaratildi — ya’ni shartnomani suratga olganda yoki skaner qilganda olinadigan fayl aynan shunday bo‘ladi. Tasodif bo‘lmaganiga ishonch hosil qilish uchun ishga tushirish takrorlandi:

Ikki marta ketma-ket nol belgi va nol xato. Chiqish kodining nol bo‘lishi “hammasi yaxshi o‘tdi” degani, shu sabab muvaffaqiyatni chiqish kodi bilan tekshiradigan har qanday skript hujjat qayta ishlangan deb hisoblaydi. Keyin bo‘sh natija modelga boradi, model hech narsani ko‘rmaydi va havodan javob to‘qiy boshlaydi.

Ikkita aylanma yo‘l bor va ikkalasi ham pulli. Birinchisi — hujjatni Microsoft’ning bulutdagi tanib olish xizmatiga yuboradigan -d bayrog‘i; uning yordam matnida xizmatning yaroqli endpoint’i kerakligi aniq aytilgan. Ikkinchisi — sahifalarni o‘z kalitingiz yordamida ko‘rish modeliga yuboradigan alohida qo‘shimcha paket; har bir sahifa uchun model ta’minotchisiga haq to‘laysiz. 2026-yil aprelidan beri ikkinchi usul haqidagi ochiq muhokamada ko‘p sahifali skanning faqat birinchi sahifasi qayta ishlanishi xabar qilingan.

Tanib olish modelini o‘z kompyuteringizda ham ishga tushirishingiz mumkin, ammo bu alohida loyiha.

Bitta hujjat uchun uni ochib, matnni qo‘lda nusxalash osonroq. Skanlar oqimi uchun o‘rnatilgan tanib olish imkoniyatiga ega vosita kerak.

Faylni shunchaki onlayn konvertorga yuklash mumkinmi?#

“MarkItDown online” eng ko‘p uchraydigan qidiruv takliflaridan biri va buni taklif qiladigan saytlar bor. Microsoft’ning asl vositasida umuman veb-sayt yo‘q; uni faqat o‘zingiz o‘rnatadigan dastur sifatida olish mumkin. Brauzerda ochiladigan, o‘xshash nomli har qanday narsa boshqalar tomonidan yaratilgan.

Bunday xizmatni bir daqiqada tekshirishingiz mumkin: tarmoq so‘rovlari oynasida dasturchi vositalarini oching, xavfsiz biror faylni yuklang va uning serverga yuborilayotgan-yuborilmayotganini ko‘ring. Agar yuborilsa, FAQ bo‘limida qanchalik ishonchli yozilganidan qat’i nazar, brauzerda ishlov beriladi degan da’vo yolg‘on bo‘ladi.

Shu sabab hujjatlarni tashkilotdan tashqariga yuborib bo‘lmaydigan joylarda MarkItDown qadrlanadi. Bir muhokamada kimdir sharoitini shunday ta’riflagan: ish noutbukida o‘zboshimcha dasturlar taqiqlangan, ammo Python kutubxonalariga ruxsat berilgan va mahalliy vosita mavjud bo‘lgan yagona tanlov bo‘lib chiqqan.

MarkItDown amalda qancha tejaydi?#

Office fayli belgilash tilini o‘z ichiga olgan arxiv sifatida tuzilgan. Sinovdagi uchta faylni ochib, mazmun saqlangan qism hajmini chiqish hajmi bilan taqqoslasak, quyidagilar chiqadi:

Fayllar kichik; kattaroqlarida nisbatlar boshqacha bo‘ladi va tejaladigan yagona miqdor yo‘q. Taqqoslash maqolalarida dumaloq raqamlar uchrasa, metodologiyasini so‘rang.

Dasturchilarning o‘zi ham tejalish haqida gapiradi: loyiha tavsifida Markdown qoidalari belgi soni jihatidan juda tejamkor ekani alohida aytilgan. Bu rost, ammo asosiy savdo dalili bo‘lmasligi kerak. “Model o‘n besh ming o‘rniga uch mingta belgi oldi” va “model chalkashlik o‘rniga aniq tuzilmani oldi” o‘rtasidagi farq mutlaqo boshqa darajada. Birinchisi pulni tejaydi; ikkinchisi javobning mazmunli bo‘lish-bo‘lmasligini belgilaydi.

Kontekst sarfi sizni qiziqtirsa, bu alohida yoritilgan: Claude’da tokenlar qayerga ketadi va har bir tarifga nechta token kiradi.

MarkItDown’ni MCP orqali Claude’ga qanday ulaysiz?#

MCP — AI’ga o‘zi foydalanishi mumkin bo‘lgan tashqi vositani taqdim etish usuli. Mexanizm va boshqa serverlar haqida umumiy ma’lumot uchun Claude Code uchun MCP serverlari sharhiga qarang.

MarkItDown serveri aynan bitta vositani taqdim etadi: hujjatni matnga aylantirish. U mahalliy fayl yo‘li, sahifa URL manzili yoki so‘rovga bevosita joylangan ma’lumotlarni qabul qiladi.

Versiyasi belgilangan serverni bitta buyruq bilan Claude Code’ga ulash mumkin. Sizga uv paket menejeri kerak:

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

Ikkinchi buyruq javobida markitdown uchun “Connected” ko‘rsatilishi kerak. Birinchi ishga tushirishda qariyb yetmishta paket yuklanadi va bir daqiqagacha vaqt ketadi; shundan keyin server bir-1.5 soniyada ishga tushadi.

Quyidagi cheklovlarning har biri qo‘lda tekshirilgan.

0.0.1a7 yig‘ilmasi 2026-yil 14-sentabrda chiqarildi. Bungacha server 2025-yil mayidan beri, bir yildan ortiq vaqt davomida, 0.0.1a4 versiyasida qolib ketgan edi. Eng so‘nggi versiya raqami hanuz oldindan chiqarilgan relizni bildiradi.

Yaqinda chiqqan Python versiyasi o‘rnatilgan barcha tizimlarda ham ishlamaydi. U bog‘liq bo‘lgan onnxruntime dvijoki Mac’da Python 3.14 uchun faqat macOS 14 yoki undan keyingi versiyada ishlaydigan Apple Silicon’da mavjud; shu bois Python 3.14 bilan Intel Mac’larda va macOS 13 yoki undan oldingi versiyalarda o‘rnatish bajarilmaydi. Apple Silicon Mac’da server Python 3.14, 3.13 va 3.12 bilan ishga tushirildi va uchalasiga ham o‘rnatildi. Buyruqda UV_PYTHON=3.12 ishlatiladi: 3.12 uchun oldindan yig‘ilgan paketlar Windows, Linux va Apple Silicon Mac’larda mavjud; Python’ning bu versiyasi bo‘lmasa, uv uni yuklab oladi. Intel Mac’lar uchun bu yerda ham cheklov bor: 2026-yil iyunidan beri oldindan yig‘ilgan paket bo‘lmagani sababli uv cryptography kutubxonasini manba kodidan yig‘adi. O‘rnatish ko‘proq vaqt oladi va bajarilmasligi ham mumkin.

Ichkarida o‘rnatiladigan MarkItDown versiyasi uv versiyasiga bog‘liq. MarkItDown 0.1.6 dan boshlab [all] qo‘shimchasi Azure’ning oldindan chiqarilgan kutubxonasini talab qiladi: uv 0.12 va undan keyingi versiyalari uni hamda MarkItDown’ning eng so‘nggi 0.1.8 versiyasini o‘rnatadi, eski uv versiyalari esa 0.1.5 ga tushadi. Uv versiyasini uv --version buyrug‘i bilan tekshiring.

Kompyuterdan tashqariga ikkita narsa yuboriladi. Birinchisi — telemetriya: Mac va Linux’da server ichidagi onnxruntime dvijoki sukut bo‘yicha uni Microsoft’ga yuboradi. Buyruqdagi ORT_DISABLE_TELEMETRY=1 o‘zgaruvchisi buni o‘chiradi. Sinovda u bo‘lmaganda server Microsoft’ning telemetriya endpoint’lariga ulandi. O‘zgaruvchi o‘rnatilganda, diskdan fayllar qayta ishlanayotgan paytda hech qanday ulanish bo‘lmadi.

Ikkinchisi — audio. Server WAV, MP3, M4A va MP4 fayllarini transkripsiya uchun Google’ning nutqni tanib olish xizmatiga oddiy HTTP orqali, shifrlashsiz yuboradi. Mijozlar bilan suhbat yozuvlarini unga yubormagan ma’qul.

Katta hujjat sig‘maydi. Ochiq muhokamada serverning 51,000 tokenli javobi 25,000 tokenlik chegaraga urilgani tasvirlangan; vosita fayllarni bo‘laklarga bo‘lmaydi.

Xavfsizlik masalasi ham bor. Paketning o‘z hujjatlarida ochiq aytilgan:

Boshqacha aytganda, bu vositaga ega agent siz o‘qiy oladigan hamma narsani o‘qiy oladi. O‘z kompyuteringizda ishlash uchun bu maqbul. Serverni ommaga ochish yoki ishonchsiz agentga berish mumkin emas.

Muntazam ishlar uchun dasturni buyruq bilan chaqirib, natijadagi matnni loyihaga joylash osonroq. Fayl boshqa materiallar yonida turadi va model unga o‘zi murojaat qila oladi.

Qachon boshqa vositadan foydalanish to‘g‘riroq bo‘ladi?#

Vazifaga qarab taqqoslash; GitHub’dagi yulduzlarning bunga aloqasi yo‘q:

Taqqoslash maqolalarida qoldirib ketiladigan Marker haqidagi bir tafsilot bor. 2026-yil iyulidan beri kodning o‘zi erkin litsenziya ostida, model vaznlari esa alohida litsenziyada va daromad chegarasiga ega: kompaniyangiz o‘tgan yili besh million dollardan ortiq daromad qilmagan va xuddi shu miqdorda mablag‘ jalb qilmagan bo‘lsa, foydalanish bepul. Alohida band esa raqobatdosh mahsulot yaratadigan har qanday kishiga undan foydalanishni taqiqlaydi. Bu ko‘pchilik o‘quvchilarga taalluqli emas, ammo rivojlanayotgan biznes uchun uni qabul qilishdan oldin litsenziyani o‘qib chiqishga sabab bo‘ladi.

Bundan amaliy to‘rt bosqichli ish jarayoni kelib chiqadi:

1. Hammasini MarkItDown’dan o‘tkazing — u bepul va darhol ishlaydi.
2. Natijani ochib, hajmini tekshiring.
3. Matn tushunarli bo‘lsa, ish tugadi; boshqa hech narsa kerak emas.
4. Chiqish chalkash yoki bo‘sh bo‘lsa, aynan shu faylni og‘irroq vositadan o‘tkazing.

Shunda vaqt va murakkablik xarajati faqat shunga muhtoj hujjatlarga ketadi.

MarkItDown’ni ish jarayoningizga qanday qo‘shasiz?#

Anthropic’ning Office fayllari bilan ishlashga mo‘ljallangan tayyor ko‘nikmalarida MarkItDown ishlatiladi; bu ko‘nikmalar siz ham to‘liq qo‘llashingiz kerak bo‘lgan chegarani aniq belgilaydi:

Matnda katak va sahifalarga ishoralar yo‘qoladi, shuning uchun undan manba faylga o‘zgartirish kiritish uchun foydalanib bo‘lmaydi. Mana uchta holat.

O‘xshash hujjatlar to‘plami — dalolatnomalar, hisob-fakturalar, shakllar, arizalar. Ularni papkaga joylab, bitta satr bilan ishga tushiring:

for f in dokumenty/*.docx; do markitdown "$f" -o "text/$(basename "$f" .docx).md"; done

Keyin modelga matn fayllari joylashgan papkani bering va tegishli ma’lumotlarni jadvalga jamlashni so‘rang. Bu raqamli fayllar bilan ishlaydi; skanlar ishlamaydi, ularni hajmi nol bayt ekanidan darhol payqaysiz.

Loyihaning doimiy materiallari — narxlar ro‘yxati, shartnoma andozalari, siyosatlar, xizmat tavsiflari. Ularni bir marta matnga aylantirib, loyiha yoniga joylang. Shunda model har bir so‘rovda ularni o‘qiy oladi va fayllarni har safar suhbatga biriktirishga hojat qolmaydi. Claude’ga fayl yuklash haqidagi maqola buning chatga fayl yuklashdan qanday farq qilishini tushuntiradi.

Buxgalteriya tizimidan olingan eksport. Buxgalteriya dasturi yoki bank hisobidan olingan Excel eksporti soniyaning uchdan birida jadvalga aylanadi va model undan hech qanday oraliq ovoragarchiliksiz hisob-kitob qila oladi. CSV haqiqiy ajratgich, quoting va kodirovka bilan eksport yoki parse qilinganini tekshiring. Modelga berishdan oldin satr, ustun va nazorat jamilarini solishtiring; ajratgichlarni qidirib-almashtirish orqali normallashtirmang. Valyutani ham aniq yozing: faqat Excel katak formatidagi belgi matnga o‘tmaydi.

Katta PDF’larni terminalda qayta ishlash bu ro‘yxatga kirmaydi. Bu kontekst sarfiga oid alohida masala bo‘lib, tokenlarni yo‘qotmasdan Claude Code’da PDF ishlatish maqolasida yoritilgan. Ish maydoningizni endi sozlayotgan bo‘lsangiz, Claude Code’ni o‘rnatishdan boshlang.

Hozir boshlash uchun pip install 'markitdown[pdf,docx,xlsx,pptx]' buyrug‘ini bajaring, duch kelgan birinchi Word shartnomasini qayta ishlang va natija hajmini tekshiring. Yarim daqiqada fayllaringiz bilan ishlash-ishlamasligini bilib olasiz.

Tayyor bo‘lganingizda, Ailoot bilan tanishing.