MarkItDown Plus

基于微软 markitdown 二次开发，新增 微信公众号、X/Twitter、小红书 和 B站视频 转 Markdown 功能。

新增功能

微信公众号文章 -> Markdown

自动识别 mp.weixin.qq.com 链接，提取标题、公众号名、作者、正文，图片下载到本地。

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("https://mp.weixin.qq.com/s/xxxxx")
print(result.markdown)

markitdown https://mp.weixin.qq.com/s/xxxxx -o output.md

特性：

• 提取标题、公众号名、作者、发布时间
• 正文排版保留（加粗、段落、小节标题）
• 图片自动下载到本地 images/ 文件夹，不会过期
• 自动检测反爬验证页，用移动端 UA 重试

X (Twitter) 推文 -> Markdown

自动识别 x.com / twitter.com 推文链接，通过 FXTwitter API 获取数据。

类型	说明
普通推文	文字 + 图片 + 互动数据
长文 (Article)	标题 + 全文 + 图片 + 代码块/引用/列表
视频推文	文字 + 视频 mp4 下载链接 + 缩略图

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("https://x.com/xxx/status/123456")
print(result.markdown)

markitdown https://x.com/xxx/status/123456 -o tweet.md

特性：

• 长文全文提取，支持标题(h2)、引用、列表、代码块、加粗样式
• 视频提供最高清 mp4 下载链接
• 图片下载到本地
• 互动数据表格（浏览/点赞/转发/收藏/评论）

小红书笔记 -> Markdown

自动识别 xiaohongshu.com 链接，提取笔记内容、图片、互动数据。

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("https://www.xiaohongshu.com/discovery/item/xxxxx")
print(result.markdown)

markitdown https://www.xiaohongshu.com/discovery/item/xxxxx -o xhs.md

特性：

• 支持图文笔记和视频笔记
• 图片自动下载到本地 images/ 文件夹
• 可选 OCR 文字识别（需安装 pytesseract + Tesseract OCR）
• 提取互动数据（点赞、收藏、评论、分享）
• 两种获取模式：
  • CDP 模式（推荐）：通过 Chrome DevTools Protocol 站内 fetch，绕过 WAF
  • HTTP + Cookie 模式：通过环境变量 XHS_COOKIE 提供登录 Cookie

CDP 模式使用：

1. 安装 web-access skill 的 cdp-proxy
2. 在 Chrome 中登录小红书
3. 启动 cdp-proxy（node check-deps.mjs）
4. 直接转换即可，无需手动提供 Cookie

HTTP + Cookie 模式： 设置环境变量或创建 .xhs_cookie 文件：

export XHS_COOKIE='a1=xxx; web_session=xxx'

B站视频 -> Markdown

自动识别 bilibili.com/video/ 链接，提取视频元信息和 AI 字幕。

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("https://www.bilibili.com/video/BV1BXQABNE4y/")
print(result.markdown)

markitdown https://www.bilibili.com/video/BV1BXQABNE4y/ -o bilibili.md

特性：

• 提取标题、UP主、时长、发布时间、播放量
• 互动数据表格（点赞/投币/收藏/弹幕/评论）
• AI 字幕自动提取（优先中文自动生成）
• 部分视频无需登录即可获取字幕
• 需要登录的视频可通过环境变量配置：

export BILIBILI_SESSDATA='你的SESSDATA值'

或创建 bilibili_cookies.txt（Netscape 格式）

原有功能

继承 markitdown 原生支持的所有格式：

• PDF
• PowerPoint
• Word
• Excel
• Images (EXIF metadata and OCR)
• Audio (EXIF metadata and speech transcription)
• HTML
• Text-based formats (CSV, JSON, XML)
• ZIP files (iterates over contents)
• Youtube URLs
• EPubs
• ... and more!

安装

git clone https://github.com/jun7799/markitdown-plus.git
cd markitdown-plus
pip install -e 'packages/markitdown[all]'

需要 Python 3.10+

使用示例

# 公众号文章
markitdown https://mp.weixin.qq.com/s/xxxxx -o wechat.md

# 推特长文
markitdown https://x.com/xxx/status/123456 -o tweet.md

# 本地文件
markitdown path-to-file.pdf -o document.md

# 管道方式
cat example.pdf | markitdown

致谢

• microsoft/markitdown - 原始项目
• FXTwitter - X/Twitter 数据 API