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。