やじうまの杜

Microsoftの“なんでもMarkdownにしてくれるライブラリ”が話題、手軽なWebアプリもさっそく登場

PDF、Word、Excel、PowerPoint、音声・画像までカバー

2024年12月16日 09:15

　「やじうまの杜」では、ニュース・レビューにこだわらない幅広い話題をお伝えします。

MicrosoftがなんでもMarkdownにしてくれるライブラリ「MarkItDown」をリリース

　MicrosoftがなんでもMarkdownにしてくれるライブラリを作ってくれたと、「X」（旧称：Twitter）で話題になっています。「MarkItDown」という名前で「GitHub」にホストされている「Python」製のツールで、ライセンスは「MIT」。

　対応するファイルはPDF、「Microsoft Office」ドキュメント（Word、Excel、PowerPoint）など。画像や音楽などのファイルのメタデータを取得してMarkdown形式にしたりもできるようです。

  • PDF（.pdf）
  • PowerPoint（.pptx）
  • Word （.docx）
  • Excel（.xlsx）
  • 画像（EXIFメタデータ、OCR）
  • オーディオ（EXIFメタデータ、音声の書き起こし）
  • HTML（Wikipedia向けの特別処理など）
  • そのほかのテキストベースフォーマット（csv、json、xml……）

　インストールはWindows版「Python」がインストールされていれば、「pip」コマンド一発（「Python」をセットアップする際、既定で「pip」もインストールされます）。とても簡単です。

「pip」コマンドで簡単インストール

　中身は……「pdfminer」（PDFからテキストを抽出）や「mammoth」（各種オフィス文書形式の変換ライブラリ）、「markdownify」（HTML文書をMarkdownテキストに変換）といったサードパーティ製ライブラリをいろいろ束ねて、簡単に呼び出せるようにしたものという感じですね。OpenAIにデータをぶん投げて、AIに解析・テキスト化してもらうこともできます。「Copilot」をはじめ、Markdownを採用しているAIツールは少なくないので、こういったライブラリに需要があるんでしょうね。

　内製されている要素があまりないので、Microsoft公式のツールと呼ぶにはちょっと……という感じですが、それでも便利なのは確か。「Webアプリとしてサクッと使えるようにならないかな？」という要望に応え、「getmarkdown.com」というWebサイトもさっそく登場しています。

　なお、ご利用は自己責任で。このWebサイトがそうというつもりはありませんが、流行りに乗って悪意あるツールを広めようとする人がいないとも限りません。いくら便利だからと言って、業務用のデータを突っ込むような真似はやめましょう。

Webから手軽に扱える「getmarkdown.com」もさっそく登場
手持ちのPDFドキュメントがMarkdownになりました
Amazonで購入