Pretvori dokumente v Markdown iz ukazne vrstice ali Pythona

Če delate z AI/ML, imate verjetno v zbirkah mešanico formatov: raziskovalne PDF-je, rokopise DOCX, predstavitve PPTX, preglednice XLSX in e-knjige EPUB. Pred uporabo za učenje, fino nastavitev ali RAG jih je treba poenotiti v čisto, strukturirano besedilo.

Ta zapis pokaže, kako AnyMD iz ukazne vrstice ali Pythona v enem koraku pretvori katerikoli dokument v Markdown — brez razčlenjevalnikov za posamezne formate in naknadnega čiščenja.

Iz ukazne vrstice

Najpreprostejša uporaba — pretvori eno datoteko:

curl https://anymd.net/api/convert \
  -H "Authorization: Bearer your-key" \
  -F "file=@paper.pdf"

To je vse. AnyMD format samodejno prepozna iz končnice. Isti ukaz deluje za DOCX, PPTX, XLSX, RTF, EPUB, ODT, HTML, CSV in druge formate.

Izpis preusmeri v datoteko:

curl -s https://anymd.net/api/convert \
  -H "Authorization: Bearer your-key" \
  -F "file=@research-paper.pdf" \
  -o research-paper.md

Iz Pythona

import requests

with open("report.pdf", "rb") as f:
    resp = requests.post(
        "https://anymd.net/api/convert",
        headers={"Authorization": "Bearer your-key"},
        files={"file": ("report.pdf", f)},
    )
    markdown = resp.text
    print(markdown[:500])

Paketna pretvorba za pripravo učnih podatkov

import requests
from pathlib import Path

markdown_dir = Path("training_data_md")
markdown_dir.mkdir(exist_ok=True)

for doc in Path("raw_documents").glob("*"):
    if doc.suffix not in {".pdf", ".docx", ".pptx", ".xlsx", ".epub"}:
        continue
    with open(doc, "rb") as f:
        resp = requests.post(
            "https://anymd.net/api/convert",
            headers={"Authorization": "Bearer your-key"},
            files={"file": (doc.name, f)},
        )
        if resp.ok:
            out = markdown_dir / f"{doc.stem}.md"
            out.write_text(resp.text)
            print(f"✓ {doc.name} → {out.name}")
        else:
            print(f"✗ {doc.name}: {resp.status_code}")

To je vsa koda, ki jo potrebujete za poenotenje mešane knjižnice dokumentov v čist Markdown — pripravljen za razdeljevanje, vdelave ali fino nastavitev.

Zakaj ne uporabiti knjižnic za posamezne formate?

Večina projektov začne s PyMuPDF za PDF, python-pptx za PowerPoint, python-docx za Word, openpyxl za Excel in ebooklib za EPUB. To je pet knjižnic, pet API-jev, pet izpisov in pet bremen vzdrževanja.

AnyMD je en API, en izhodni format (GFM Markdown) in en ključ. Brez upravljanja knjižnic, konfliktov različic in posebnih robnih primerov.

Pridobi brezplačni API ključ — 100 strani/mesec, kartica ni potrebna.