ツール

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。

markitdownとpython-docxを比較してみた【Word解析】

  • POST
はじめに 生成AIにWord資料を読ませたいとき、.docx 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 python-docx です。 この記事では、同じ sample.docx 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。 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.docx)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 Wordの変換には内部で mammoth というライブラリが使われます。 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) python-docxとは python-docx は、Wordファイル(.docx)を読み書きするためのPythonライブラリです。 段落・表・ヘッダー/フッター・コメントなどをPythonのオブジェクトとして扱える 既存のdocxの読み取りだけでなく、文書の新規作成や編集もできる 見出しスタイル・フォント・太字・斜体なども操作できる 対応するのはdocxのみ(PDFやExcelは扱えない) markitdownが「変換ツール」なのに対して、python-docxは「docxを操作するための部品」です。 テキストを取り出すには、段落や表を自分でたどるコードを書く必要があります。 python-docx(GitHub) 2つのツールの概要 項目 markitdown python-docx バージョン(検証時) 0.1.9 1.2.0 提供元 Microsoft(作者 Adam Fourney) Steve Canny ライセンス MIT MIT 出力形式 Markdown(テキスト) Pythonオブジェクト(自分でテキスト化する) 入力形式 PDF / Word / Excel / PowerPoint / HTML など docxのみ 書き込み 不可(変換専用) 可(文書の作成・編集もできる) 検証方法 次のスクリプト(compare_docx.

markitdownとpymupdf4llmを比較してみた【PDF解析】

  • POST
はじめに 生成AIにPDF資料を読ませたいとき、PDFをそのまま渡すと見出しや表の構造が崩れたり、そもそも文字が取れなかったりします。そこで、事前にMarkdownへ変換するのが定番です。 Pythonでこれをやるライブラリとしてよくあがるのが markitdown と pymupdf4llm です。 この記事では、同じ sample.pdf を両方で変換して、何が取れて何が取れないのかを比較しました。ライセンスの違いも重要なので、最後にまとめています。 他の形式の比較は次の記事をご覧ください。 markitdownとopenpyxlを比較してみた【Excel解析】 markitdownとpython-pptxを比較してみた【PowerPoint解析】 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.pdf)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 markitdown(GitHub) pymupdf4llmとは pymupdf4llm は、Artifex Softwareが提供するPDF処理ライブラリ PyMuPDF をベースに、PDFをLLM向けのMarkdownに変換するパッケージです。 見出し(#)・表・太字などをMarkdownとして出力する Markdown以外に、JSONやプレーンテキストでも出力できる ページごとに分割して取得できる(page_chunks=True) OCRにより、テキストが埋め込まれていない画像PDFも処理できる 入力は主にPDF(PyMuPDFが扱える形式) markitdownが「いろいろな形式を変換する汎用ツール」なのに対して、pymupdf4llmは「PDFに特化した変換ライブラリ」です。 PyMuPDF4LLM(公式ドキュメント) 2つのツールの概要 項目 markitdown pymupdf4llm バージョン(検証時) 0.1.9 2.1 提供元 Microsoft(米国) Artifex Software(米国) ライセンス MIT AGPL-3.0 出力形式 Markdownのみ Markdown / JSON / プレーンテキストなど 入力形式 PDF以外も可(Word / Excel / PowerPoint / HTMLなど) 主にPDF(PyMuPDFが扱える形式) テキスト埋め込みなしPDF(画像PDF) 抽出不可 OCRにより抽出可能 テキスト埋め込みありPDF 抽出可能(誤検出などあり) 抽出可能 検証方法 次のスクリプト(compare_pdf.

markitdownとpython-pptxを比較してみた【PowerPoint解析】

  • POST
はじめに 生成AIにPowerPoint資料を読ませたいとき、.pptx 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 python-pptx です。 この記事では、同じ sample.pptx 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。 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.pptx)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) python-pptxとは python-pptx は、PowerPointファイル(.pptx)を読み書きするためのPythonライブラリです。 スライド・図形・表・グラフ・ノートなどをPythonのオブジェクトとして扱える 既存のpptxの読み取りだけでなく、スライドの新規作成や編集もできる 図形の位置・大きさ・フォント・色なども操作できる 対応するのはpptxのみ(PDFやWordは扱えない) markitdownが「変換ツール」なのに対して、python-pptxは「pptxを操作するための部品」です。 テキストを取り出すには、スライドと図形を自分でたどるコードを書く必要があります。 python-pptx(GitHub) 2つのツールの概要 項目 markitdown python-pptx バージョン(検証時) 0.1.9 1.0.2 提供元 Microsoft(作者 Adam Fourney) Steve Canny ライセンス MIT MIT 出力形式 Markdown(テキスト) Pythonオブジェクト(自分でテキスト化する) 入力形式 PDF / Word / Excel / PowerPoint / HTML など pptxのみ 書き込み 不可(変換専用) 可(スライドの作成・編集もできる) MITライセンスとは MIT は、マサチューセッツ工科大学(Massachusetts Institute of Technology)で生まれたことに由来する名前です。

Claude Codeの権限モードまとめ

  • POST
はじめに Claude Codeには、ファイル編集やコマンド実行をどこまで自動で許可するかを決める権限モードがあります。 本記事では、各モードの特徴と使い分けをまとめます。 詳細は公式ドキュメントも参照してください。 権限モード - Claude Code Docs モードの一覧 Claude Codeに存在する各モードは下表の通りです。 弱い順、並べると次の順番になります。 モード 自動で行われる操作 向いている場面 Plan 読み取りのみ 実装前の調査・設計 Manual 一部の操作のみ 機密データ、1件ずつレビューしたい場合 Accept edits 作業ディレクトリ内のファイル編集 通常の機能実装、テスト追加 Auto 分類モデルが安全と判断した操作 長時間タスク、機械的な変換 Bypass permissions ほぼすべて 隔離環境のみ モード別の詳細 Plan ファイルの読み取りのみで、基本的にファイル編集を行わない調査専用モードです。 実装前に、実装方針や変更計画を作成する際に使用します。 Manual Claude Codeが操作前にユーザーへ確認を求める標準的なモードです。 ファイルの読み取りなど一部の操作は承認なしで自動的に行われますが、それ以外は原則、ファイルの編集やコマンドの実行前にユーザーの承認が求められます。 機密データを扱うプロジェクトや、変更を一つずつレビューしたい場合に適しています。 Accept edits 作業ディレクトリ内のファイル編集を自動承認するモードです。 ファイル・ディレクトリの作成、移動、複製などが承認なしで実行されます。 gitなどのコマンド実行は、ユーザーに承認を求めます。 通常の機能実装やテストコードの追加、変更を最後にまとめてレビューしたい場合に適しています。 Auto 別の分類用モデルが安全と判断した操作を自動実行するモードです。

Claude Codeを使うのにおすすめのWindowsターミナル「Warp」を紹介

  • POST
はじめに Claude CodeはCLI(コマンドライン)ベースのツールのため、どのターミナルを使うかによって開発体験が大きく変わります。 本記事では、Windows環境でClaude Codeを使う際におすすめのターミナルとして、Warpをご紹介します。 結論から言うと、Warpは「コマンドと出力をブロック単位で管理できる」「入力補完が強力」という特徴を持つモダンなターミナルで、Claude Codeを日常的に使うWindows開発者にとって作業効率を上げてくれるツールです。 Warpは2022年に登場した、Rust製のターミナルエミュレーターで、従来のターミナルにはない独自の機能が多く搭載されています。以下、具体的な特徴とインストール方法、Claude Codeとの組み合わせ方を紹介します。 Warpとは WarpはエディタやAI機能なども備えた多機能のターミナルです。 Warpを使うことで、開発者は以下のような恩恵を受けることができます。 ブロック機能 Warpは、コマンドと出力を「ブロック」という単位で区切って表示してくれるのが最大の特徴のターミナルです。 Powershellなどの標準のターミナルではコマンドと出力がすべてまとまって画面上に出力されるため、コマンドや出力が長くなると見づらいという欠点がありました。 Warpでは1つ1つの実行結果がブロックとしてまとめて表示されるため、コマンドに紐付く実行結果について迷う必要がなくなります。 # PowerShell PS> git status On branch main nothing to commit, working tree clean PS> npm test ✓ 124 tests passed PS> docker ps CONTAINER ID IMAGE STATUS a1b2c3d4 app Up 2h ---------------------------------------------- ↑ 複数のコマンドと出力がまとめて出力されるので見づらい ---------------------------------------------- # Warp ┌─ Block #1 ─────────────────────┐ │ $ git status │ ├────────────────────────────────┤ │ On branch main │ │ nothing to commit, working │ │ tree clean │ └────────────────────────────────┘ ┌─ Block #2 ─────────────────────┐ │ $ npm test │ ├────────────────────────────────┤ │ ✓ 124 tests passed │ └────────────────────────────────┘ ┌─ Block #3 ─────────────────────┐ │ $ docker ps │ ├────────────────────────────────┤ │ CONTAINER ID IMAGE STATUS │ │ a1b2c3d4 app Up 2h │ └────────────────────────────────┘ ------------------------------------------------- ↑ コマンドと出力が「ブロック」でまとまっているので見やすい ------------------------------------------------- ブロック単位で管理されているため、以下のような操作が可能です。

Windowsランチャー「Flow Lanucher」入門

  • POST
はじめに 少ない操作でパソコン上のファイルやアプリを素早く起動できるソフトウェアをランチャーソフトと言います。 ランチャーソフトの代表例として、「WinLancher」、「CLaunch」、「Orchis」、「PaperPlane Smart Launch」、「Aqulina」などがあります。 本記事では、海外で人気のランチャーソフト「Flow Lancher」について紹介します。 Flow Launcherは日経XTechでも取り上げられており、日本国内でも利用されている方も増えているので、おすすめです。 Flow Lanucherとは Flow Launcherは無料で使えるオープンソースのランチャーソフトです。 Flow Launcher 公式HP Flow Launcher Gitリポジトリ ランチャーソフトには、Claunchなどランチャーから起動させるアプリやファイルを事前登録するタイプのものと、検索ウィンドウから指定したキーワードに一致するアプリやファイルを開くタイプの2タイプがあります。 Flow Lanucherは後者の検索で検索ウィンドウを使うタイプで、アプリ、ファイルを高速起動できます。 Flow Launcherの特徴 PC内のアプリ、ファイルの起動以外にも様々な機能を持つ プラグインにより機能拡張が可能 アプリ、ファイル起動以外の様々な機能 PC内のアプリ、ファイルの起動だけでなく、WEB検索、電卓計算、プロセスの終了などのコマンドの実行が可能です。 デフォルトだと、以下のような機能が組み込みでインストールされています。 名前 説明 Browser Bookmarks bというキーワードを入力するとWEBブラウザのブックマークから検索できる Calculator 10*2+1のような計算式を入力すると、電卓を使って検索できる Process Killer killというキーワードを入力すると指定したプロセスを停止できる Windows Settings sというキーワードを入力すると、Windowsの設定から検索する shell >というキーワードを入力すると、Commandpromptまhた、Powershellからコマンドを実行できます。 pingなどの疎通確認で利用できます。 Web Search WEBブラウザを起動し、WEB検索を行うことができる。先頭に入力したキーワードに応じて動作の変更可能 ※例として以下のモードがあります。 - twitter : Twitterから検索 - translate : Google翻訳から検索 - github : Githubから検索 - gmail : Gmailから検索 - drive : Google Driveから検索 - stackoverflow : StackOverflowから検索 - youtube : youtubeから検索 System Command FlowLancher組み込みコマンドを入力して、実行できます。例として以下のものがあります。 - Shutdown : OSをシャットダウン - Restart : OSを再起動 - Log Off : ログオフ - Sleep : スリープ - Empty Recycle Bin : ゴミ箱を空にする - Settings : Flow Lancherの設定を開く WEB検索 検索に指定したウィンドウから、Googleの検索エンジンを使ってWEB検索を行うことができます。

Claude CodeのSkills, Custom Subagents, Dynamic Workflowsを整理

  • POST
はじめに Claude Codeには、開発作業を効率化するための拡張機能としてSkills、Custom Subagents、Dynamic Workflowsの3つの仕組みが用意されています。 これらはどれも「Claude Codeにできることを増やす」という目的は共通していますが、それぞれ特徴や向いている用途が異なります。 本記事では、それぞれの仕組みの概要と使い方、そして3つの違いを整理し、どのような場面でどれを使うべきかの判断材料をまとめます。 Skillsとは SkillsはClaude Codeに特定のタスクを実行するための手順や、知識をパッケージとして一つにまとめて登録し、Claude Codeから実行できるように仕組みです。 Anthropic公式: ClaudeにSkillsを拡張する ユースケース Anthropicのブログではスキルのユースケースとして以下の9種類のスキルが代表例として紹介されています。 Anthropic公式ブログ: Skillsの用途 # 用途 概要 代表例 1 ライブラリ・API参照 内製ライブラリ・SDKの正しい使い方を知識としてClaudeに教える billing-lib, sandbox-proxy 2 プロダクトバリデーション ヘッドレスブラウザ等でUI操作を自動検証し、各ステップの結果をチェック signup-flow-driver, checkout-verifier 3 データ取得・解析 DWHや監視ツールと連携し、認証付きでデータを取得・分析 funnel-query, grafana 4 ビジネスプロセス自動化 進捗報告報告やチケット作成など定型作業をワンコマンド化 standup-post, weekly-recap 5 スキャフォールディング 組織仕様に合わせたコードの雛形・テンプレートを生成 new-migration, create-app 6 コード品質・レビュー 組織スタイルの強制や adversarial review で品質を維持 adversarial-review, code-style 7 CI/CD・デプロイ PR監視、自動リトライ、ロールバック付きデプロイを自動化 babysit-pr, deploy-<service> 8 ランブック アラートから障害調査・ログ相関・構造化レポートを自動作成 oncall-runner, log-correlator 9 インフラ運用 定期メンテナンスや危険操作をガードレール付きで実行 <resource>-orphans, cost-investigation 1.

Claude Codeとは? - AnthropicのCLI型AIコーディングツールについて紹介

  • POST
はじめに 本記事では、Claude Codeについてご紹介いたします。 近年、AIによるコーディング支援は急速に発展しており、Anthropic社が提供するClaude Codeはその最前線に位置しています。 従来の「エディタ連携型(VS Code拡張など)」とは異なり、CLI(Command Line Interface)ベースで動作する点が大きな特徴です。 Claude Codeとは Claude Codeは、2025年5月22日にAnthropic社から提供されたCLI型のAIコーディングツールです。 ターミナル上で自然言語を入力すると、AIがコードベースを解析し、以下のような操作をサポートします。 新機能の実装 バグ修正 リファクタリング マルチファイル編集 👉 公式ドキュメント: Anthropic公式ドキュメント: Claude Code概要 Claude CodeがCLIで提供されている背景 Claude Codeは以下の開発コンセプトで提供されています。 IDE依存の回避 開発者によって使用するIDE(VS Code、Xcode、Vimなど)は異なります。 すべてのIDEにAI機能を実装することは現実的ではないため、CLI形式にすることで全ての環境で共通利用を可能にしています。 進化スピードへの柔軟な対応 GUIベースの開発支援ツールはアップデートに時間がかかる傾向があります。 モデルの進化に追随しやすいCLI形式を採用することで、俊敏な更新や適応が可能となっています。 将来的にはIDE自体が不要となる可能性も見据えています。 Claude CodeのようなCLIが注目されている背景には、以下のようCLIならではの恩恵が大きいことがあげられます。 環境依存がないため、OSやエディタを問わず使用可能 コマンドラインベースのため、GUIよりも軽量で動作が高速 Claude CodeとCursorなどのAIエディタとの比較 AIエディタだと変更された箇所がエディタ上で可視化されるので、どのファイルのどの部分が変更されたのかすぐにわかります。 一方、Claude Codeの場合はCLIのため、どこが変更されたか把握しづらいという印象です。 特に大規模なコード生成が実行された場合、変更箇所のレビューに難儀することがあります。 Claude Codeをインストール 以下のサイトをもとに各OSに応じてインストールします。 Anthropic公式ドキュメント: Claude Code Setup

Windows版テキスト拡張ツール「aText」入門

  • POST
はじめに aTextは、Tran Ky Nam Softwareが開発した特定のキーを入力することで、予め設定したスニペット(定型文)を挿入したり、設定したスクリプトを起動させることができるテキスト拡張ツールです。 https://www.trankynam.com 2011年Mac OS用に提供されていましたが、、Windowsでも利用できるようになっています。 Windowsのスニペットツールとしては、Phrase Expressが有名ですが、こちらは商用利用は有料という問題があり、ビジネスでの導入は困難でした。 本記事では、Windwos版のaTextのインストール方法と、使い方について紹介します。 インストール方法 Windwos版はMSストアからインストールすることができます。 https://www.microsoft.com/ja-jp/p/atext/9n68hc1srr0k?rtc=1&activetab=pivot:overviewtab インストールは以下の画面遷移に従って、インストールします。 インストール後は、スタートメニューから、すべてのプログラム→ アプリ → aTextの画面遷移することで、アプリを起動することができます。 aTextの使い方 aTextではスニペットをグループ単位で管理することができます。 デフォルトではExamplesグループの配下に、Basic、Arrows、Date/Time Variable、Field、Scriptsというサブグループが用意されており、 各サブグループ配下にスニペットが登録されています。 グループとサブグループには配下のスニペットに対して、共通の設定をすることができます。 グループの作成は以下のように実施します。 サブグループの作成は対象のグループ配下で右クリックを実施し、 New SubGroupを選択します。 スニペットを作成するときは、New Snipettをクリックします。 Abbreviationにスニペットを起動する際の略語を指定します。 以下の例では、hlwと入力することで、Hello World.というテキストを挿入することができます。 Tips デフォルトで登録されているExamplesは、画面上部のHelpメニューからいつでも追加することができます。 そのため、aTextに慣れたらExamplesは、削除しても問題ありません。 スニペットの種類 aTextでは以下の5種類のスニペットを登録することができます。 Plain Text Rich Text Html Script Picture Plain Text Plain Textは事前に登録した平文のテキストを挿入する場合に使用するスニペットです。 Rich Text Rich Textは文字の色や大きさなどフォント情報を含んだ装飾テキストを挿入する場合に使用するスニペットです。 また、テキストだけでなく、画像も挿入することができます。 Html HtmlはHTML形式で指定した装飾テキストを挿入する場合に使用するスニペットです。 Script Scriptは、Windows Batchや、Linux shell、Python、JavaScriptなどスニペットに指定したスクリプト言語を実行する場合に使用するスニペットです。 以下の例は、\rpwと入力した際に、ランダムな文字列を出力するWindwos Batchを実行するスニペットです。 Picture Picureは指定した画像を挿入する場合に使用するスニペットです。 画像自体を挿入するか、画像のファイルパスをテキストとして挿入するかを指定することができます。 組み込みスニペットを追加 aTextにはいくつかのスニペットがデフォルトで用意されています。