🚀 MarkItDown – chuyển mọi tài liệu sang Markdown chỉ với vài dòng code

Microsoft vừa tung ra MarkItDown – thư viện mã nguồn mở giúp tự động chuyển đổi Word, PDF, PowerPoint, HTML… sang Markdown, giữ nguyên cấu trúc gốc và cực kỳ hữu ích cho NLP, huấn luyện AI.

TechMagus
May 18, 2025
2 min read

🚀 MarkItDown – chuyển mọi tài liệu sang Markdown chỉ với vài dòng code — Ảnh minh hoạ MarkItDown – nguồn: 200Lab

TL;DR MarkItDown là thư viện mã nguồn mở của Microsoft (hơn 51 000★ trên GitHub) giúp chuyển Word / PDF / PowerPoint / HTML / … thành Markdown giữ nguyên tiêu đề, bảng, code block, danh sách & hỗ trợ batch convert.

Ảnh minh hoạ MarkItDown

1. MarkItDown làm được gì?

Tự động chuyển đổi Word, PDF, PowerPoint, HTML … sang Markdown chỉ với một lệnh.
Giữ nguyên cấu trúc tài liệu gốc: tiêu đề, bảng, code block, danh sách, chú thích…
Xử lý hàng loạt (batch) qua API đơn giản – lý tưởng cho pipeline dữ liệu lớn.
Tối ưu hoá output cho huấn luyện mô hình ngôn ngữ (LLM, RAG, v.v.).

import markitdown as md

markdown = md.convert("document.pdf")   # done! 💫

2. Nỗi đau cũ của developer

Trước MarkItDown	Hệ quả
Dùng Pandoc cho Word, PyPDF2 cho PDF (mất cấu trúc)	Quy trình rời rạc & khó bảo trì
Tự viết script + 7749 regex tiền xử lý	Dễ bug, tốn thời gian
Chấp nhận mất định dạng với tài liệu phức tạp	Dữ liệu huấn luyện kém chất lượng

3. Vì sao đáng để thử?

Speed-to-Markdown: vài giây là có ngay file .md sạch.
Plug-and-play: chỉ cần pip install markitdown.
Giảm 90% code chuyển đổi, tập trung vào giá trị cốt lõi.
Open-source dưới giấy phép MIT – dễ tích hợp vào sản phẩm nội bộ.

4. Cài đặt & dùng thử nhanh

pip install markitdown

from markitdown import convert_folder

# Chuyển toàn bộ thư mục .docx & .pdf sang Markdown
convert_folder("raw_docs/", out_dir="markdown/")

5. Tài nguyên


🔗 Repo: https://github.com/microsoft/markitdown
🔗 Nguồn bài viết: https://www.facebook.com/edu.200lab/posts/pfbid02bnSd1q25kjMoLwoTMvpLVevnQSMXPcQhw4TKCRjpZt5M8TSrULyGf1kYDpFcEDrjl

Bạn đã thử MarkItDown chưa? Chia sẻ kinh nghiệm của bạn ở phần bình luận nhé!

#200lab #technews #repository #markitdown #Microsoft