微软开源的markitdown项目，将office文件转换为markdown格式，迅速成为github热门项目。但其python程序特性限制了非技术用户的易用性。本文介绍如何利用webassembly技术，结合pyodide在浏览器中直接运行markitdown，解决这一问题。
Pyodide是一个将Cpython移植到WebAssembly/Emscripten的开源项目，支持所有Python语法，并允许使用micropip在浏览器中安装和管理Python包，包括许多带有C扩展的常用包（如regex、pyyaml、lxml、numpy、pandas等）。Pyodide还提供强大的JavaScript⟺Python外部函数接口，实现两种语言的无缝衔接。
在浏览器环境中运行MarkItDown面临两个主要挑战：文件传输和依赖安装。
挑战与解决方案：
-
文件传输： 通过将用户选择的文件传递到Worker中的Python运行时解决。
立即学习“Python免费学习笔记（深入）”；
-
依赖安装： 由于中国大陆对PyPI访问的限制，需要寻找替代方案，例如使用自定义的PyPI镜像。
最终，我们成功构建了一个完全在浏览器中运行的MarkItDown工具，可在office file to markdown体验。
以下是在Worker中运行Python的核心代码：
// eslint-disable-next-line no-undef
importScripts('https://testingcf.jsdelivr.net/pyodide/v0.26.4/full/pyodide.js')
async function loadPyodideAndPackages() {
// eslint-disable-next-line no-undef
const pyodide = await loadPyodide()
globalThis.pyodide = pyodide
await pyodide.loadPackage('micropip')
const micropip = pyodide.pyimport('micropip')
// micropip.set_index_urls([
// 'https://pypi.your.domains/pypi/simple',
// ])
await micropip.install('markitdown==0.0.1a2')
}
const pyodideReadyPromise = loadPyodideAndPackages()
globalThis.onmessage = async (event) => {
await pyodideReadyPromise
const file = event.data
try {
console.log('file', file)
const startTime = Date.now()
globalThis.pyodide.FS.writeFile(`/${file.filename}`, file.buffer)
await globalThis.pyodide.runPythonAsync(`
from markitdown import MarkItDown
markitdown = MarkItDown()
result = markitdown.convert("/${file.filename}")
print(result.text_content)
with open("/${file.filename}.md", "w") as file:
file.write(result.text_content)
`)
globalThis.postMessage({
filename: `${file.filename}.md`,
content: globalThis.pyodide.FS.readFile(`/${file.filename}.md`, { encoding: 'utf8' }),
time: Date.now() - startTime,
})
}
catch (error) {
globalThis.postMessage({ error: error.message || 'convert error', filename: file.filename })
}
}
该方案巧妙地利用了WebAssembly和Pyodide的优势，为非技术用户提供了一个更便捷的Office文件转Markdown工具。 代码注释清晰，易于理解。
