Конвертация PDF и Excel в Markdown для LLM на Python

Что в ролике
Если вы отдаёте LLM документы в PDF или Excel, часть токенов уходит на разметку и структура теряется, поэтому автор показывает библиотеку markitdown на Python. Она конвертирует PDF, PowerPoint, HTML, JSON и другие форматы в Markdown, который модели, обученные на документации, читают легче и который занимает меньше токенов, чем HTML или XML. В уроке создают виртуальное окружение, ставят пакет командой pip install markitdown[all], где all добавляет зависимости для PDF, DOCX и PPTX, и проверяют установку через markitdown --version. Затем в скрипте импортируют класс MarkItDown, создают экземпляр конвертера и вызывают метод convert для Excel-файла сотрудников, чтобы получить Markdown-таблицу. В конце предлагают задание — пакетная конвертация нескольких файлов через pathlib, с готовым решением batch_converter в материалах. Следующий урок обещает подключение markitdown как MCP-сервера к Claude Desktop и работу с изображениями.
Практика
- Что получишь
- Вы поймёте, почему Markdown экономит токены при работе с LLM, и сможете установить markitdown, конвертировать Excel или PDF в Markdown и написать скрипт пакетной обработки.
- Первый шаг
- Создайте виртуальное окружение и выполните pip install markitdown[all], затем проверьте версию командой markitdown --version.
- Цифры
- —3 формата сравниваются в таблице: Markdown, HTML и XML
- —5 колонок в Excel-файле сотрудников: имя, фамилия, отдел, должность и дата начала
- Честно
- Урок продвигает собственный видеокурс Real Python и связанный текстовый туториал, ссылки на них даны в материалах урока. Видео, вероятно, доступно по подписке Real Python, хотя в ролике это не проговаривается. Код, команды и имена файлов показываются только на экране, поэтому для точного повторения нужно смотреть видео, а не только читать текст.
Если слова незнакомы — 5 терминов
- LLMбольшая языковая модель, например ChatGPT или Claude
- Markdownлёгкий текстовый формат с символами разметки заголовков, списков и ссылок
- MCP-серверспособ подключить внешний инструмент к ассистенту вроде Claude Desktop
- pipменеджер пакетов Python для установки библиотек
- виртуальное окружениеизолированная папка с зависимостями проекта, чтобы не конфликтовать с другими
Компоненты
7 шт.Формат: пошаговый урок · для новичков · уверенность разметки 0.9 · источник