MarkItDown

عند وصول تقرير PDF وجدول Excel وعرض PowerPoint، يصبح تجهيز نص واحد قابل للبحث أو الإرسال إلى وكيل ذكاء اصطناعي عملًا يدويًا متكررًا. MarkItDown يحوّل هذه الملفات إلى Markdown مع محاولة إبقاء العناوين والقوائم والجداول والروابط ظاهرة في النص. تستطيع فحص الناتج قبل مشاركته مع أي نموذج؛ التحويل نفسه لا يلخّص المستند ولا يضمن دقة استخراج كل عنصر.

🧭 ما MarkItDown؟

أداة Python مفتوحة المصدر من Microsoft لتحويل صيغ ملفات متعددة إلى نص Markdown مهيأ للتحليل النصي. تعمل من سطر الأوامر أو كمكتبة داخل برنامج Python. تدعم بحسب الوثائق PDF وWord وPowerPoint وExcel وHTML وCSV وJSON وXML وEPUB وصيغًا أخرى. يعتمد دعم بعض الصيغ على إضافات تثبيت اختيارية. الغرض الأساسي هو استخراج المحتوى والبنية للتحليل؛ ليست أداة لإعادة إنتاج شكل المستند الأصلي بدقة.

رسم توضيحي أصلي لمسار التحويل، وليس لقطة من واجهة الأداة.

🎯 متى ستفيدك؟

تناسب مطورًا أو محللًا لديه ملفات كثيرة ويريد نصًا قابلاً للبحث، أو مدخلات منظمة لمراجعة بشرية أو تطبيق AI. مثال واضح: قبل سؤال وكيل عن قرارات اجتماع محفوظة في عرض وملف Word، حوّل الملفين إلى Markdown، راجع النص المستخرج، ثم مرّر الأجزاء المطلوبة فقط. بذلك تصبح خطوة استخراج المحتوى قابلة للإعادة من أمر واحد أو سكربت، مع بقاء قرار مشاركة البيانات لديك.

إذا كان المطلوب نسخة نشر تحافظ على التنسيق البصري والصفحات كما هي، فلا تعتمد على MarkItDown وحده. وإذا كان PDF صورة ممسوحة، فتحقق من النص الناتج؛ بعض حالات OCR تحتاج إضافة أو خدمة منفصلة.

🌟 الميزات وطريقة العمل

1. تحويل صيغ متعددة مع اعتماديات اختيارية

تستطيع تثبيت دعم الصيغ التي تعمل عليها فقط. توثق الأداة مجموعات مثل pdf وdocx وpptx وxlsx، أو المجموعة all التي تثبتها جميعًا. هذا يفيد عندما تريد بيئة صغيرة لمهمة محددة بدل تثبيت كل محولات الملفات.

• أين تجدها: خيارات حزمة pip في تعليمات التثبيت الرسمية.
• كيف تستخدمها: ثبّت markitdown[pdf,docx,pptx] مثلًا عندما تكون هذه ملفات مشروعك.
• مثال توضيحي: اجعل استيراد تقارير PDF ومحاضر Word وعروض PowerPoint خطوة واحدة قبل فهرستها.
• القيد: نوع ملف مدعوم لا يعني أن كل جدول أو صورة داخله سيخرج بدقة كاملة؛ راجع الناتج.

رسم توضيحي لمجموعات الاعتماديات الموثقة؛ أسماء الصيغ لا تمثل جودة استخراج مضمونة.

2. أمر سريع أو مكتبة Python

للتحويل الفردي استخدم markitdown file.pdf -o file.md. يكتب الخيار -o الناتج في ملف. في تطبيق Python، أنشئ MarkItDown ثم استدعِ convert()؛ إذا كان برنامجك يتعامل مع ملفات محلية فقط، توصي وثائق الأمان باستدعاء convert_local() الأضيق صلاحية. وجود الطريقين يسمح بتجربة التحويل يدويًا ثم إضافته إلى سير عمل آلي بعد التحقق من النتيجة.

• أين تجدها: واجهة CLI وPython API في README.
• كيف تستخدمها: ابدأ بملف واحد، افتح Markdown الناتج وتأكد من ترتيب العناوين والجدول، ثم أتمت العملية.
• مثال توضيحي: يحوّل سكربت ملفات مشروع محددة إلى مجلد نصوص ليبحث فيها الفريق؛ المثال هنا لم يُنفّذ.
• القيد: convert() قد يقبل ملفات وروابط بعيدة؛ لا تمرر مدخلات مستخدم غير موثوقة مباشرة.

رسم توضيحي لطريقتي الاستخدام. لا يمثّل تنفيذًا أو نتائج اختبار.

3. إضافات OCR وخيارات سحابية عند الحاجة

المحوّلات المدمجة تستخرج ما تستطيع محليًا، لكن المستند الممسوح أو الصورة المضمّنة قد يحتاج رؤية حاسوبية. توثق Microsoft إضافة markitdown-ocr التي تستخدم عميل نموذج رؤية إذا زودتها به، وخيار Azure Document Intelligence وخيار Azure Content Understanding للمستندات الأكثر تعقيدًا. الإضافات غير مفعّلة افتراضيًا؛ وإذا شغّلت خدمة سحابية فقد تُرسل إليها بيانات الملف وتترتب تكلفة منفصلة.

• أين تجدها: قسم Plugins وAzure في README.
• كيف تستخدمها: جرّب التحويل المحلي أولًا؛ انتقل إلى خيار آخر فقط إذا فشل استخراج المادة التي تحتاجها وبعد مراجعة سياسة البيانات والتكلفة.
• القيد: إضافة OCR الموثقة تتخطى OCR إذا لم تزوّدها بعميل LLM؛ تثبيت الإضافة وحده لا يضمن قراءة الصفحات الممسوحة.

رسم توضيحي لمسار البيانات المحتمل، وليس ضمانًا بأن كل إعداد بلا شبكة.

🪜 مثال عملي خطوة بخطوة

مثال توضيحي لم أنفذه: لديك تقرير مشروع PDF تريد أن تسأل عنه وكيلًا.

1. أنشئ بيئة Python معزولة، وتأكد من أن الإصدار ضمن النطاق الموثق 3.10 إلى 3.14. يفضل استخدام إصدار مدعوم أمنيًا في بيئتك.
2. ثبّت اعتماديات PDF فقط أو مجموعة all حسب الملفات التي تريد معالجتها.
3. نفذ markitdown report.pdf -o report.md.
4. افتح report.md وراجع ترتيب العناوين والجداول والأرقام والصفحات المهمة مقابل الأصل؛ صحح ما يحتاج تصحيحًا.
5. مرر القسم المطلوب من النص إلى وكيلك، مع توضيح أن الأصل PDF وأن الاستخراج قد لا يمثل عناصر بصرية أو صفحات ممسوحة بالكامل.

⚖️ مقارنة بالعمل اليدوي

هذه مقارنة لسير العمل وليست قياسًا لتوفير الوقت أو جودة الاستخراج.

⚙️ التثبيت والإعداد

توصي الوثائق ببيئة Python افتراضية لتجنب تعارض الاعتماديات. أمر التثبيت الرسمي لجميع الخيارات:

pip install 'markitdown[all]'

أو للصيغ المحددة:

pip install 'markitdown[pdf,docx,pptx]'
markitdown report.pdf -o report.md

إذا أردت إضافة طرف ثالث، افحصها أولًا؛ الإضافات معطلة افتراضيًا ويمكن عرض المثبتة بالأمر markitdown --list-plugins وتفعيلها بخيار --use-plugins. الخيارات السحابية تتطلب إعداد endpoint أو عميل ومفاتيح مناسبة، وقد تكون مدفوعة. لا تضع مفتاح API في أوامر منشورة أو داخل المستند المراد تحويله.

🔗 التوافق والتكلفة

الأداة حزمة Python وسطر أوامر، ويمكن تشغيلها حيث تتوفر نسخة Python والاعتماديات المتوافقة؛ يذكر README دعم Python 3.10–3.14. تصنف صفحة PyPI المشروع Beta رغم استمرار إصدار تحديثات له. لا توجد واجهة ويب أو تطبيق سطح مكتب رسمي داخل هذا المستودع. الرخصة MIT، والتحويل المدمج لا يحتاج اشتراك MarkItDown أو API مدفوعًا. خدمات Azure أو نماذج الرؤية الخارجية لها تكلفتها وشروطها الخاصة، فلا تخلط بينها وبين مجانية الأداة الأساسية.

⚠️ القيود والأمان والخصوصية

• الناتج مهيأ للتحليل النصي؛ لا تتوقع احتفاظه بتخطيط الصفحة الأصلي أو كل العناصر البصرية.
• افحص ملفات PDF الممسوحة والصور والجداول المعقدة يدويًا قبل اتخاذ قرار أو تغذية نموذج AI بها.
• يعمل البرنامج بصلاحيات العملية الحالية للوصول إلى الملفات والشبكة. وثائق المشروع تحذر من تمرير مسارات أو روابط يحددها مستخدم غير موثوق دون تقييد.
• إذا كنت تعالج ملفات محلية فقط داخل تطبيقك، استخدم convert_local() أو convert_stream() حسب حاجتك بدل convert() العام.
• المحوّلات المدمجة محلية وفق مقارنة المشروع، لكن تحويل رابط YouTube أو تفعيل Azure أو عميل نموذج يغير مسار البيانات؛ قيّم كل خيار على حدة.
• ليس Markdown الناتج بديلاً عن المستند الأصلي عند الحاجة إلى الإثبات أو التصميم الدقيق.

📚 المصادر وتاريخ التحقق

تحققت في 6 أكتوبر 2026 من المستودع الأصلي وREADME، الإصدار v0.1.8، الرخصة، وصفحة الحزمة في PyPI. صدر الإصدار المستقر v0.1.8 في 21 سبتمبر 2026. أظهر GitHub عند الفحص نحو 188.6 ألف نجمة و14 ألف تفرع؛ هذه مؤشرات انتشار متغيرة وليست تقييم جودة. لم أثبت الأداة أو أشغّل المثال على ملفات حقيقية، ولم أتحقق من جودة استخراج العربية أو OCR تجريبيًا.