MarkItDown
Primeros pasos con MarkItDown: convierte y verifica un archivo
Instala un entorno específico, compara la CLI con la API de Python y distingue las dependencias ausentes de los problemas de calidad de extracción.
Qué aprenderás
- Compara CLI y API utilizando una muestra conocida.
- Verifica hechos, no solamente el código de salida.
- Registra los complementos porque pueden alterar la selección.
Antes de empezar
- Conocimientos básicos de Python y terminal
- Un documento no sensible con contenido verificable
Utiliza la lista del capítulo para explicar y verificar esta parte de una ingesta documental.
Conclusiones clave
- Compara CLI y API utilizando una muestra conocida.
- Verifica hechos, no solamente el código de salida.
- Registra los complementos porque pueden alterar la selección.
Instala lo que requiere tu archivo
La base documentada es Python 3.10 o posterior. Utiliza un entorno virtual para evitar interacciones inadvertidas entre dependencias opcionales de PDF u Office y otras aplicaciones. El README ofrece extras individuales, como pdf, docx y pptx, además de una instalación que incluye todos ellos.
Para un primer ejercicio con DOCX, instala el extra docx y prepara tu propio example.docx. Los comandos de instalación resuelven las versiones disponibles al ejecutarlos. Cuando el ejercicio funcione, registra las versiones resueltas antes de compartir un entorno reproducible con el equipo. Estos comandos son instrucciones, no una afirmación de que aquí se han ejecutado todos los conversores.
Compara dos interfaces con la misma muestra
La CLI acepta una ruta de entrada y permite indicar la salida con -o. La API de Python devuelve un resultado cuya propiedad markdown contiene el texto generado. Utiliza exactamente el mismo archivo con ambas interfaces para investigar diferencias sin cambiar contenido ni dependencias.
Una comprobación útil verifica hechos: el encabezado aparece una sola vez, el enlace apunta al destino correcto, los valores de una tabla siguen asociados a sus etiquetas y los caracteres especiales sobreviven. Guarda los hechos esperados junto a la muestra. En este ejercicio, un archivo Markdown vacío representa un fallo aunque exista la ruta de salida.
Separa los problemas de entorno y de contenido
Un error de importación o una dependencia opcional ausente es un problema del entorno. Una conversión terminada con tablas omitidas u orden de lectura alterado es un problema de calidad. Registra la primera excepción y el formato antes de modificar paquetes; cambiar varios extras y complementos a la vez dificulta identificar la causa.
Según el README, los complementos de terceros están desactivados por defecto. Enumera los instalados antes de activarlos y repite la misma muestra. Como pueden cambiar la selección del conversor, guarda su configuración con el resultado en lugar de tratarlos como una mejora invisible.
Pasos de implementación
- 1
Crea y activa un entorno virtual de Python.
- 2
Instala el extra docx y prepara example.docx.
- 3
Convierte con -o e inspecciona el Markdown.
- 4
Registra versiones y compara el resultado de la API.
Ejemplo para copiar
python -m venv .venv
# Terminal POSIX; en Windows activa el entorno con su script de PowerShell.
. .venv/bin/activate
python -m pip install "markitdown[docx]"
markitdown example.docx -o example.md
python -m pip freezePreguntas frecuentes
¿Conviene instalar todos los extras?
Empieza por los formatos necesarios. El extra all facilita una evaluación amplia, pero incorpora más dependencias.
¿Por qué cambia el resultado al activar un complemento?
Puede registrar conversores y prioridades adicionales. Repite una muestra fija con una configuración registrada para aislar el cambio.
Fuentes
- Documentación fijadaFuente verificada 2026-09-07
- Despachador centralFuente verificada 2026-09-07
- Conversor de textoFuente verificada 2026-09-07
- Exportaciones públicasFuente verificada 2026-09-07