Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-16 13:20 UTC

microsoft / markitdown

Python tool for converting files and office documents to Markdown.

PythonMIT★ 184.675 Sterne⑂ 13.604 Forksseit Nov. 2024Auf GitHub ansehen ↗
ArtMCP-ServerKommandozeilenwerkzeugBibliothekPluginwie das ermittelt wird
#langchain#openai#autogen-extension#autogen#markdown#microsoft-office#pdf

microsoft/markitdown erreicht einen Gesundheitsindex von 94 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Community & Adoption (88/100) ab, am schwächsten bei AI Readiness (68/100). Zuletzt heute aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

94
gesamt / 100
Außergewöhnlich

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

94
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 81 wird auf der veröffentlichten Indexskala auf 94 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

MicrosoftOrganisation · verifizierte Domain
129.793 Follower8.303 öffentliche Reposseit Dez. 2013

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPImarkitdown0.1.714.771.78125vor 48 Tagen—
PyPImarkitdown-mcp0.0.1a7-5vor 1 Tag—
PyPImarkitdown-ocr0.1.0123.0183vor 189 Tagendocxllmmarkitdownocrpdfpptxvisionxlsx
PyPImarkitdown-sample-plugin0.1.0a11033vor 559 Tagen—

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

82Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

76Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
11.8/36Commit-Rhythmus — 17/52 Wochen mit Commits
18/18Commit-Volumen — 110 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 7 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year110
human_commit_share0,97
days_since_last_push0
active_weeks_last_year17

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 22 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 1 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 53,4 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count22
latest_release_tagv0.1.8b2
releases_from_tagsnein
days_since_latest_release1
mean_days_between_releases53,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

88Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

100Außergewöhnlich
Wie die Bewertung erfolgt
60/60Stars — 184.675 Stars
25/25Forks — 13.604 Forks
15/15Watcher — 583 Watcher
Verwendete Eingangsdaten
forks13.604
stars184.675
watchers583
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

65Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
0/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges2
has_contributingnein
has_issue_templatenein
has_code_of_conductja
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

100Außergewöhnlich
Wie die Bewertung erfolgt
80/80Downloads pro Monat — 14.894.902 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesmarkitdown, markitdown-mcp, markitdown-ocr, markitdown-sample-plugin
dependents—
ecosystemspypi
total_downloads—
monthly_downloads14.894.902
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

76Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

64Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
14.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 34 % der Commits
13.5/13.5Breite der Beitragenden — 98 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 11 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor2
contributors_sampled98
top_contributor_share0,342

Reaktionsfähigkeit bei Issues & PRs

46Schwach
Wie die Bewertung erfolgt
20.2/42Issue-Lösungsquote — 48 % der Issues geschlossen
11.8/30PR-Annahme — 271/687 entschiedene PRs gemergt
6/13Newcomer PR acceptance — 6/13 PRs von Erstbeitragenden in 30 Tagen gemergt
7.5/15OpenSSF Scorecard: Code-Review — Found 16/30 approved changesets -- score normalized to 5
Verwendete Eingangsdaten
merged_prs271
open_issues323
closed_issues299
prs_merged_7d32
prs_decided_7d41
prs_merged_30d34
prs_decided_30d58
issue_closed_ratio0,481
closed_unmerged_prs416
first_time_authors_30d11
first_time_prs_merged_30d6
first_time_prs_decided_30d13

Eigentümerschaft & Trägerschaft

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
20/20Verifizierte Domain
25/25Reichweite des Inhabers — 129.793 Follower von microsoft
25/25Kontohistorie — 8.303 öffentliche Repos, Kontoalter ca. 12 Jahre
Verwendete Eingangsdaten
followers129.793
owner_typeOrganization
is_verifiedja
owner_loginmicrosoft
public_repos8.303
account_age_days4.662

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 4 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 1 Tagen
20/20Versionshistorie — 25 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmarkitdown, markitdown-mcp, markitdown-ocr, markitdown-sample-plugin
ecosystemspypi
any_deprecatednein
min_days_since_publish1

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

86Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 2 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

75Gut
Wie die Bewertung erfolgt
30/30README
0/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://github.com/microsoft/markitdown#readme
10/10Repository-Beschreibung
10/10Topics — 7 Topics
10/10Wiki
Verwendete Eingangsdaten
topicslangchain, openai, autogen-extension, autogen, markdown, microsoft-office, pdf
has_wikija
homepage—
docs_sitehttps://github.com/microsoft/markitdown#readme
has_readmeja
has_docs_dirnein
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

75Gut · 16 % des Gesamtindex

Sicherheitslage

69Gut
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
3/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
3.8/7.5Code-Review — Found 16/30 approved changesets -- score normalized to 5
2.5/2.5Contributors — project has 11 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 7 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — keine Daten
2.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 5
2/5SAST — SAST tool is not run on all commits -- score normalized to 4
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — keine Daten
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,9
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Packaging, Signed-Releases. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages19
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:markitdown@0.1.7 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 19 Paketen. Erreichbarkeit wird nicht analysiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

68Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 92 von 97 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,948
agent_instruction_files—
agent_instruction_max_bytes—

AI-Verify-Loop (Build / Test / Typprüfung)

73Gut
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — packages/markitdown-mcp/src/markitdown_mcp/py.typed, packages/markitdown-sample-plugin/src/markitdown_sample_plugin/py.typed, packages/markitdown/src/markitdown/py.typed
10/10Reproduzierbare Umgebung — devcontainer, Dockerfile
6/10Belegte Agentenpraxis — 3 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 3 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
5/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 5
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_files—
has_devcontainerja
has_linter_configja
typecheck_configspackages/markitdown-mcp/src/markitdown_mcp/py.typed, packages/markitdown-sample-plugin/src/markitdown_sample_plugin/py.typed, packages/markitdown/src/markitdown/py.typed
agent_commit_share0,03
toolchain_manifests—
dependency_bot_commit_share0,03

AI-Code-Lesbarkeit für Modelle

81Exzellent
Wie die Bewertung erfolgt
27/45Typprüfbarer Code — Python mit Typprüfungs-Konfiguration (packages/markitdown-mcp/src/markitdown_mcp/py.typed, packages/markitdown-sample-plugin/src/markitdown_sample_plugin/py.typed, packages/markitdown/src/markitdown/py.typed)
54.4/55Handhabbare Dateigrößen — 1/96 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes69.920
source_files_sampled96
oversized_source_files1

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
20/20MCP-Server
40/40Lauffähige Beispiele — notebooks
Verwendete Eingangsdaten
example_dirsnotebooks
has_mcp_signalja
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto). Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

184.675GitHub-Sterne
98Mitwirkende
110Commits, letzte 12 Monate
0Tage seit letztem Push
22Releases
2Bus-Faktor
323offene Issues
—Paket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 31 authors (cap 12)
  • pypi download statistics for 'markitdown-mcp' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 13.604 ⇿
0Sterne
13.604Forks
2Releases

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

Es wird nur die jüngste Historie angezeigt — dieses Repository überschreitet das Erfassungsfenster, sodass die früheste Historie nicht erfasst wird.

12.50012.75013.00013.25013.50013.75013.604902026-082026-082026-09
Major 0Minor 0Patch 0
OpenSSF Scorecard 6.9 / 10
6.9Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-09-16 13:19 UTC

10Binary-Artifactsno binaries found in the repo
4Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
5Code-ReviewFound 16/30 approved changesets -- score normalized to 5
10Contributorsproject has 11 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 7 issue activity found in the last 90 days -- score normalized to 10
k. A.Packagingpackaging workflow not detected
5Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 5
4SASTSAST tool is not run on all commits -- score normalized to 4
10Security-Policysecurity policy file detected
k. A.Signed-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Direkte Abhängigkeiten 21
RegistryPaketVersionsvorgabeManifest
PyPImcp>=2.1.1,<3.0.0packages/markitdown-mcp/pyproject.toml
PyPImarkitdown>=0.1.1,<0.2.0packages/markitdown-mcp/pyproject.toml
PyPIrequests>=2.0.0,<3.0.0packages/markitdown-mcp/pyproject.toml
PyPImarkitdown>=0.1.0packages/markitdown-ocr/pyproject.toml
PyPIpdfminer.six>=20251230packages/markitdown-ocr/pyproject.toml
PyPIpdfplumber>=0.11.9packages/markitdown-ocr/pyproject.toml
PyPIPyMuPDF>=1.24.0packages/markitdown-ocr/pyproject.toml
PyPImammoth~=1.11.0packages/markitdown-ocr/pyproject.toml
PyPIpython-docx—packages/markitdown-ocr/pyproject.toml
PyPIpython-pptx—packages/markitdown-ocr/pyproject.toml
PyPIpandas—packages/markitdown-ocr/pyproject.toml
PyPIopenpyxl—packages/markitdown-ocr/pyproject.toml
PyPIPillow>=9.0.0packages/markitdown-ocr/pyproject.toml
PyPImarkitdown>=0.1.0a1packages/markitdown-sample-plugin/pyproject.toml
PyPIstriprtf—packages/markitdown-sample-plugin/pyproject.toml
PyPIbeautifulsoup4—packages/markitdown/pyproject.toml
PyPIrequests—packages/markitdown/pyproject.toml
PyPImarkdownify—packages/markitdown/pyproject.toml
PyPImagika~=0.6.1packages/markitdown/pyproject.toml
PyPIcharset-normalizer—packages/markitdown/pyproject.toml
PyPIdefusedxml—packages/markitdown/pyproject.toml
Alle Abhängigkeiten 77

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 28 direkte und 49 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIbeautifulsoup44.15.0direkt
PyPIcharset-normalizer3.5.1direkt
PyPIdefusedxml0.7.1direkt
PyPImagika—direkt
PyPImagika0.6.3direkt
PyPImammoth—direkt
PyPImammoth1.11.0direkt
PyPImarkdownify1.2.3direkt
PyPImarkitdown—direkt
PyPImcp—direkt
PyPIopenpyxl—direkt
PyPIopenpyxl3.1.5direkt
PyPIpandas—direkt
PyPIpandas2.3.3direkt
PyPIpandas3.0.5direkt
PyPIpdfminer-six—direkt
PyPIpdfminer-six20260107direkt
PyPIpdfplumber—direkt
PyPIpdfplumber0.11.10direkt
PyPIpillow—direkt
PyPIpillow12.3.0direkt
PyPIpymupdf—direkt
PyPIpython-docx—direkt
PyPIpython-pptx—direkt
PyPIpython-pptx1.0.2direkt
PyPIrequests—direkt
PyPIrequests2.34.2direkt
PyPIstriprtf—direkt
PyPIaudioop-lts0.2.2indirekt
PyPIazure-ai-contentunderstanding—indirekt
PyPIazure-ai-contentunderstanding1.2.0b3indirekt
PyPIazure-ai-documentintelligence1.0.2indirekt
PyPIazure-core1.41.0indirekt
PyPIazure-identity1.25.3indirekt
PyPIcertifi2026.7.22indirekt
PyPIcffi2.1.1indirekt
PyPIclick8.5.0indirekt
PyPIcobble0.1.4indirekt
PyPIcoloredlogs15.0.1indirekt
PyPIcryptography50.0.1indirekt
PyPIet-xmlfile2.0.0indirekt
PyPIflatbuffers25.12.19indirekt
PyPIhumanfriendly10.0indirekt
PyPIidna3.19indirekt
PyPIisodate0.7.2indirekt
PyPIlxml6.1.3indirekt
PyPImpmath1.3.0indirekt
PyPImsal1.38.0indirekt
PyPImsal-extensions1.3.1indirekt
PyPInumpy2.2.6indirekt
PyPInumpy2.4.6indirekt
PyPInumpy2.5.2indirekt
PyPIolefile0.47indirekt
PyPIonnxruntime1.20.1indirekt
PyPIpackaging26.3indirekt
PyPIprotobuf7.36.1indirekt
PyPIpycparser3.0indirekt
PyPIpydub0.25.1indirekt
PyPIpyjwt2.13.0indirekt
PyPIpypdfium25.13.0indirekt
PyPIpyreadline33.5.6indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.2.3indirekt
PyPIpytz2026.3.post1indirekt
PyPIsix1.17.0indirekt
PyPIsoupsieve2.9.2indirekt
PyPIspeechrecognition3.17.0indirekt
PyPIstandard-aifc3.13.0indirekt
PyPIstandard-chunk3.13.0indirekt
PyPIsympy1.14.0indirekt
PyPItyping-extensions4.16.0indirekt
PyPItzdata2026.3indirekt
PyPIurllib32.7.0indirekt
PyPIxlrd2.0.2indirekt
PyPIxlsxwriter3.2.9indirekt
PyPIyoutube-transcript-api—indirekt
PyPIyoutube-transcript-api1.0.3indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:markitdown@0.1.7 zieht 19 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit microsoft/markitdown teilen. Nebeneinander lesen →

98Unstructured-IO/unstructuredConvert documents to structured data effortlessly. Unstructured is open-source ETL solution for transforming complex documents into clean, structured formats for language models. Visit our website to learn more about our enterprise grade Platform product for production grade workflows, partitioning, enrichments, chunking and embedding.Außergewöhnlich98docling-project/doclingGet your documents ready for gen AIAußergewöhnlich96yfedoseev/pdf_oxideThe fastest PDF library for Python and Rust. Text extraction, image extraction, markdown conversion, PDF creation & editing. 0.8ms mean, 5× faster than industry leaders, 100% pass rate on 3,830 PDFs. MIT/Apache-2.0.Außergewöhnlich96langfuse/langfuse🪢 Open source agent evals & observability: Trace, evaluate, and improve LLM applications with one open platform.Außergewöhnlich98langchain-ai/langgraphBuild resilient agents.Außergewöhnlich98paperless-ngx/paperless-ngxA community-supported supercharged document management system: scan, index and archive all your documentsAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.34.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.