Batch_Doc_To_MD

一个批量处理脚本，用于自动将（一个文件夹下所有的、包括子文件夹内的） .doc、.docx 和 .pdf 文件快速批量转换为 Markdown (.md) 格式。

项目描述

本脚本帮助用户高效地将大量 Word 和 PDF 文档自动化地转换为 Markdown 文件，适合大模型RAG知识库管理、文档整理和内容迁移等场景。

功能特性

• 自动批量转换 .doc 文件为 .docx 格式。
• 自动将 .docx 文件转换为 Markdown 格式。
• 自动提取 PDF 文件文本并转换为 Markdown 格式。
• 支持通用文本文件转换。
• 转换过程自动清理中间文件，保持目录清洁。

环境要求

• Python 3.x

依赖安装

运行以下命令安装所需库：

pip install pdfplumber python-docx pywin32 markitdown

使用方法

1. 克隆本项目到本地：

git clone https://github.com/yourusername/BatchDocToMarkdown.git

2. 修改脚本中源文件夹和目标文件夹的路径，请注意不要互相包含：

source_folder = r"你的源文件夹路径"
target_folder = r"你的目标文件夹路径"

3. 运行脚本：

python process.py

项目结构

BatchDocToMarkdown/
├── process.py          # 主处理脚本
├── README.md           # 项目说明文档
├── LICENSE             # 项目许可证
└── requirements.txt    # Python 依赖包列表

开源许可证

本项目采用 MIT 许可证。

贡献与反馈

欢迎提交 Pull Request 进行代码优化和功能扩展，也可以在 Issues 中提出功能请求或报告 bug。

---

Enjoy your batch processing!