本サイトでは、文章の一部の生成系AIを活用しています。また、一部の記事にはアフィリエイトリンクを設定しています。

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。

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。

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。

  • markitdown: ファイルを渡すと、LLM向けのMarkdownが一発で返ってくる変換ツール
  • openpyxl: シート・セル・数式などを自分で辿る、Excel操作用のライブラリ

検証方法

次のスクリプト(compare_excel.py)で、同じxlsxを両方の方法で解析しました。全文は次のとおりです。

"""Excel の解析を openpyxl と markitdown で行い、結果を比較するサンプル。

使い方:
    python compare_excel.py sample.xlsx --out-dir out
    python compare_excel.py --make-sample sample.xlsx   # 検証用サンプル生成
"""

import argparse
from pathlib import Path

import openpyxl
from markitdown import MarkItDown


def make_sample(path: Path) -> None:
    """結合セル・数式・複数シートを含む検証用 Excel を生成する。

    Args:
        path: 出力する xlsx のパス。
    """
    wb = openpyxl.Workbook()
    ws = wb.active
    ws.title = "売上"
    ws.merge_cells("A1:C1")
    ws["A1"] = "月次売上"
    ws.append(["商品", "数量", "単価"])
    ws.append(["りんご", 3, 100])
    ws.append(["みかん", 5, 80])
    ws["D2"] = "金額"
    ws["D3"] = "=B3*C3"
    ws["D4"] = "=B4*C4"
    ws["A3"].comment = openpyxl.comments.Comment("特売品", "tool")
    wb.create_sheet("メモ")["A1"] = "2枚目のシート"
    wb.save(path)


def parse_openpyxl(path: Path) -> str:
    """openpyxl でシート・セル(数式と計算値)・結合セルを解析してテキスト化する。

    Args:
        path: 入力 xlsx のパス。

    Returns:
        解析結果のテキスト。
    """
    wb_f = openpyxl.load_workbook(path)  # 数式そのまま
    wb_v = openpyxl.load_workbook(path, data_only=True)  # キャッシュ済み計算値
    lines = []
    for ws in wb_f.worksheets:
        lines.append(f"## {ws.title} (dims={ws.dimensions})")
        # 結合セルの範囲(例: 'A1:C1')を一覧表示する。なければ []。
        # 結合セルの値は左上セルにのみ入り、他のセルは None になる。
        lines.append(f"merged: {[str(r) for r in ws.merged_cells.ranges]}")
        for row in ws.iter_rows():
            for c in row:
                if c.value is None:
                    continue
                val = wb_v[ws.title][c.coordinate].value
                # セルにコメント(メモ)があれば本文を出力行の末尾に付ける。
                # 無ければ空文字。!r は repr 表記(引用符付き)にする指定。
                note = f" comment={c.comment.text!r}" if c.comment else ""
                lines.append(f"{c.coordinate}: {c.value!r} -> {val!r}{note}")
    return "\n".join(lines)


def parse_markitdown(path: Path) -> str:
    """markitdown で Markdown に変換する。

    Args:
        path: 入力 xlsx のパス。

    Returns:
        Markdown テキスト。
    """
    return MarkItDown().convert(str(path)).text_content


def main() -> None:
    parser = argparse.ArgumentParser(description="openpyxl と markitdown の比較")
    parser.add_argument("xlsx", type=Path, help="入力 xlsx")
    parser.add_argument("--out-dir", type=Path, default=Path("out"), help="出力先")
    parser.add_argument("--make-sample", action="store_true", help="サンプルを生成して終了")
    args = parser.parse_args()

    if args.make_sample:
        make_sample(args.xlsx)
        print(f"created: {args.xlsx}")
        return

    args.out_dir.mkdir(parents=True, exist_ok=True)
    results = {
        "openpyxl": parse_openpyxl(args.xlsx),
        "markitdown": parse_markitdown(args.xlsx),
    }
    for name, text in results.items():
        out = args.out_dir / f"{args.xlsx.stem}.{name}.txt"
        out.write_text(text, encoding="utf-8")
        print(f"===== {name} ({len(text)} chars) -> {out} =====")
        print(text)


if __name__ == "__main__":
    main()

openpyxl側は、数式そのもの(c.value)と保存済みの計算結果(data_only=True で読み直した値)の両方を出力し、セルごとに座標(C3 など)を付けています。

検証に使った sample.xlsx は6シート構成で、シートごとに要素を1種類ずつ入れています。

シート 内容
テキストボックス テキストボックス
テキストボックスとコメント テキストボックスとセルのコメント
テーブル 表(4行×3列)
オートシェイプ オートシェイプ
グラフ グラフ(四半期別売上)
画像 画像

検証に使ったExcelは次のリンクから確認できます。

比較結果

実際の出力は次のとおりです。

markitdownの出力

## テキストボックス
| テキストボックスのサンプル |
| --- |

## テキストボックスとコメント
| テキストボックスとコメントのサンプル | Unnamed: 1 |
| --- | --- |
| NaN | NaN |
| NaN | NaN |
| NaN | NaN |
| NaN | NaN |
| NaN | NaN |
| NaN | NaN |
| NaN | コメント付きセル |

## テーブル
| テーブルのサンプル | Unnamed: 1 | Unnamed: 2 | Unnamed: 3 |
| --- | --- | --- | --- |
| NaN | NaN | NaN | NaN |
| NaN | R1C1 | R1C2 | R1C3 |
| NaN | R2C1 | R2C2 | R2C3 |
| NaN | R3C1 | R3C2 | R3C3 |
| NaN | R4C1 | R4C2 | R4C3 |

## オートシェイプ
| オートシェイプのサンプル |
| --- |

## グラフ
| 四半期別売上グラフ | Unnamed: 1 |
| --- | --- |
| NaN | NaN |
| Category | 売上 |
| Q1 | 10 |
| Q2 | 20 |
| Q3 | 15 |
| Q4 | 30 |

## 画像
| 画像のサンプル |
| --- |

openpyxlの出力

## テキストボックス (dims=A1:A1)
merged: []
A1: 'テキストボックスのサンプル' -> 'テキストボックスのサンプル'
## テキストボックスとコメント (dims=A1:B8)
merged: []
A1: 'テキストボックスとコメントのサンプル' -> 'テキストボックスとコメントのサンプル'
B8: 'コメント付きセル' -> 'コメント付きセル' comment='これはサンプルコメントです。'
## テーブル (dims=A1:D6)
merged: []
A1: 'テーブルのサンプル' -> 'テーブルのサンプル'
B3: 'R1C1' -> 'R1C1'
C3: 'R1C2' -> 'R1C2'
D3: 'R1C3' -> 'R1C3'
B4: 'R2C1' -> 'R2C1'
C4: 'R2C2' -> 'R2C2'
D4: 'R2C3' -> 'R2C3'
B5: 'R3C1' -> 'R3C1'
C5: 'R3C2' -> 'R3C2'
D5: 'R3C3' -> 'R3C3'
B6: 'R4C1' -> 'R4C1'
C6: 'R4C2' -> 'R4C2'
D6: 'R4C3' -> 'R4C3'
## オートシェイプ (dims=A1:A1)
merged: []
A1: 'オートシェイプのサンプル' -> 'オートシェイプのサンプル'
## グラフ (dims=A1:B7)
merged: []
A1: '四半期別売上グラフ' -> '四半期別売上グラフ'
A3: 'Category' -> 'Category'
B3: '売上' -> '売上'
A4: 'Q1' -> 'Q1'
B4: 10 -> 10
A5: 'Q2' -> 'Q2'
B5: 20 -> 20
A6: 'Q3' -> 'Q3'
B6: 15 -> 15
A7: 'Q4' -> 'Q4'
B7: 30 -> 30
## 画像 (dims=A1:A1)
merged: []
A1: '画像のサンプル' -> '画像のサンプル'

差が出なかったもの(セルの値)

セルに入っている文字や数値そのものは、どちらも取得できました。
シート名も、markitdownは見出し(##)として、openpyxlは ws.title として出力されます。

ただし、テキストボックス オートシェイプ 画像 のシートは、どちらの出力にもA1のタイトル文字しか出ていません。
セルに入っていない図形・画像の中身は、今回のスクリプトではどちらからも取れていません。

markitdownの出力の癖

markitdownはExcelを内部で表(DataFrame)として読み込み、Markdownの表にします。そのため次の癖があります。

  • 先頭行が見出し行として扱われる(テーブル シートでは「テーブルのサンプル」が列見出しになっている)
  • 空の列見出しは Unnamed: 1 のような名前になる
  • 空セルは NaN と出力される
  • セルの座標(B3 など)は出力されない

見た目はMarkdownの表なのでLLMには読みやすい一方、NaN や Unnamed がトークンを消費します。
テーブル シートの表は、実際には B3:D6 にあるのに、markitdownの出力では先頭に空行と空列が付いた形になります。

openpyxlの強み(セルの座標とコメント)

openpyxlは、値の入っているセルだけを B3: 'R1C1' のように座標付きで出力します。空セルは出力されないので、無駄がありません。

さらに、テキストボックスとコメント シートのセルB8にあるコメントは、openpyxlだけが取得できました。

B8: 'コメント付きセル' -> 'コメント付きセル' comment='これはサンプルコメントです。'

markitdownの出力には、コメント付きセル という文字は出ますが、コメント本文(これはサンプルコメントです。)は出ていません。

グラフ

今回のサンプルでは、グラフの元データがセル(A3:B7)に入っているため、どちらもグラフの元データを取得できました。

ただし、これは「グラフを読めた」わけではなく、「元データのセルを読めた」だけです。

  • グラフの種類(棒グラフか折れ線か)やタイトル、系列の参照範囲は、openpyxlならグラフオブジェクトから取得できるが、今回のスクリプトでは出力していない
  • グラフの描画結果(見た目)は、どちらからも取得できない
  • markitdownは、グラフ自体の情報を出力しない

画像

画像は、markitdownでは出力されません。
openpyxlは画像のバイナリデータと位置を取得できますが、画像の中の文字を読むにはOCRやLLMが別途必要です。

数式・結合セル(今回の検証サンプルには含まれない)

今回の sample.xlsx には数式と結合セルを入れていないため、出力結果では確認していません。
(スクリプトの --make-sample で作る別のサンプルには、数式と結合セルが入っています。)

ライブラリの仕様として、次の違いがあります。

  • 数式: openpyxlは数式(=B3*C3)と保存済みの計算値の両方を取得できる。markitdownは計算値のみが出力され、数式は取得できない
  • 結合セル: openpyxlは merged_cells で範囲を取得できる。markitdownは結合の情報を出力しない

比較まとめ

項目 markitdown openpyxl
セルの値 取得可能(空セルは NaN、先頭行は見出し扱い) 取得可能(空セルは省略、先頭行も通常データ)
シート名 取得可能(h2見出し) 取得可能
ブック名 取得不可 取得可能
数式 取得不可 数式と保存済みの計算値の両方を取得可能
コメント 取得不可 取得可能
セル座標 なし あり(C3 など)
画像 出力されない バイナリデータと位置は取得可能(中の文字はOCRかLLMが必要)
グラフ(ネイティブ) 出力されない(元データがセルにあれば表として出る) 種類・タイトル・系列の参照範囲は取得可能(描画結果は不可)

※ 数式・結合セル・ブック名・グラフの種類などは、今回のサンプルの出力ではなく、ライブラリの仕様をもとにした整理です。

まとめ

  • markitdown

    • セルの位置などのメタ情報や、コメントなどのオブジェクトのテキストは取得できない
    • テキストをMarkdownの表形式でしか出力できない
    • 一方で、コードを書かずにLLM向けの表がすぐに得られる
  • openpyxl

    • 特定のシート・範囲、数式、結合セル、コメント、画像など、Excel全体の情報を取得できる
    • テキストの出力形式は自由だが、自前で実装が必要
  • 使い分け方

    • 表データをLLMにざっと読ませたいだけならmarkitdown
    • 数式・コメント・結合セル・セル座標なども渡したいならopenpyxl

なお、今回の検証は1つのサンプルファイルによるもので、バージョンによって出力は変わる可能性があります。
実際のExcelで試して確認してください。