markitdownとopenpyxlを比較してみた【Excel解析】
- POST
はじめに 生成AIにExcel資料を読ませたいとき、.xlsx をそのまま渡せないため、事前にテキストへ変換する必要があります。
Pythonでこれをやる定番ライブラリが markitdown と openpyxl です。
この記事では、同じ sample.xlsx を両方で解析して、何が取れて何が取れないのかを比較しました。
PowerPoint版の比較は markitdownとpython-pptxを比較してみた【PowerPoint解析】 をご覧ください。
markitdownとは markitdown は、Microsoftが公開しているPython製のOSSで、さまざまなファイルをMarkdownに変換するツールです。
PDF、Word、Excel、PowerPoint、HTMLなど、多くの形式に対応 見出し・リスト・表といった文書の構造をMarkdownとして残す コマンドライン(markitdown sample.xlsx)でも、Pythonコードからでも使える 生成AI(LLM)に文書を読ませる前処理として使う用途を想定している Markdownはトークン数が少なく、LLMが扱いやすい形式です。そのため、RAGやAIエージェントの入力準備でよく使われます。
markitdown(GitHub) openpyxlとは openpyxl は、Excelファイル(.xlsx / .xlsm)を読み書きするためのPythonライブラリです。
シート・セル・数式・結合セル・コメントなどをPythonのオブジェクトとして扱える 既存ファイルの読み取りだけでなく、新規作成や編集もできる 数式と、保存済みの計算結果の両方を取得できる 対応するのはxlsx / xlsmのみ(PDFやWordは扱えない) markitdownが「変換ツール」なのに対して、openpyxlは「Excelを操作するための部品」です。
テキストを取り出すには、シートとセルを自分でたどるコードを書く必要があります。
openpyxl(公式ドキュメント) 2つのツールの概要 項目 markitdown openpyxl バージョン(検証時) 0.1.9 3.1.5 提供元 Microsoft(作者 Adam Fourney) OSSコミュニティ(メンテナ Charlie Clark) ライセンス MIT MIT 出力形式 Markdown(表形式)のみ 出力形式は固定されない(自分でテキスト化する) 入力形式 PDF / Word / Excel / PowerPoint / HTML など xlsx / xlsm のみ 書き込み 不可(変換専用) 可(新規作成・編集もできる) ざっくり言うと次の違いです。