📌 В материале представлены:
– установка Python и создание отдельного виртуального окружения;
– формирование рабочего каталога для исходных документов и результатов;
– команды установки и проверки обоих инструментов;
– обработка одного документа и всего массива файлов;
– готовый
convert_all.bat для пакетного запуска MarkItDown;– готовый
convert_pymupdf.py для обработки PDF и извлечения изображений;– сопоставление результатов двух обработчиков;
– порядок проверки колонок, таблиц, заголовков и последовательности текста;
– устранение типовых ошибок при установке и запуске.
Приведённая схема позволяет быстро подготовить разнородный массив документов для полнотекстового поиска, загрузки в RAG-систему или непосредственного анализа БЯМ.
Все операции выполняются локально. Исходные документы не изменяются и не передаются во внешние сервисы. Подготовленные Markdown-файлы используются как рабочий материал, а окончательная проверка сведений проводится по оригиналам.