All2Markdown

一个将各种格式文件转换为Markdown格式的工具。目前支持PDF文件的转换，未来将支持更多格式。

本项目基于 markdownify-mcp 项目开发。

功能特点

• 支持PDF文件转换为Markdown格式
• 支持PDF文件转换为纯文本格式
• 保持文档的格式和结构
• 支持中文文本提取
• 自动识别标题层级
• 保持段落顺序

安装

1. 克隆仓库：

git clone https://github.com/Grant-Huang/all2markdown.git
cd all2markdown

2. 创建虚拟环境（推荐）：

python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate  # Windows

3. 安装依赖：

pip install -r requirements.txt

4. 安装Tesseract-OCR（如果需要OCR功能）：

• Windows: 从这里下载安装
• Linux: sudo apt-get install tesseract-ocr
• Mac: brew install tesseract

使用方法

命令行方式

基本用法：

python all2md.py <输入文件路径> [--format {markdown,text}] [--output 输出文件路径]

参数说明：

• 输入文件路径：要转换的文件路径
• --format：输出格式，可选 markdown（默认）或 text
• --output或-o：输出文件路径（可选，默认为输入文件同目录下的同名文件）

示例：

# 转换为Markdown格式（默认）
python all2md.py document.pdf

# 转换为纯文本格式
python all2md.py document.pdf --format text

# 指定输出文件
python all2md.py document.pdf -o output.md

Web界面方式

1. 启动Web服务器：

cd web
python app.py

2. 打开浏览器访问：http://localhost:5000

3. 在网页界面上：

   • 选择要转换的PDF文件
   • 选择输出格式（Markdown或纯文本）
   • 点击"转换"按钮
   • 转换结果会直接显示在页面上

示例

输入PDF文件

转换后的Markdown

支持的格式

目前支持的输入格式：

• PDF文件 (.pdf)

计划支持的格式：

• Word文档 (.docx)
• Excel表格 (.xlsx)
• PowerPoint演示文稿 (.pptx)
• 图片文件 (.jpg, .png, etc.)
• 网页 (.html)

贡献

欢迎提交Pull Request来改进代码或添加新功能。

致谢

本项目基于 markdownify-mcp 项目开发，感谢原作者的开源贡献。

许可证

本项目采用MIT许可证 - 详见 LICENSE 文件。