[Bug]: PDF with embedded images fails conversion with ImageMagick policy error

[ai-nurmamat]

环境信息

• 操作系统：Ubuntu 22.04 / macOS Sonoma
• 编程语言：Python 3.11
• markitdown版本：0.0.1.x
• 依赖版本：PyMuPDF 1.24.x / Pillow 10.x
• ImageMagick版本：6.9.x / 7.x

问题描述

包含嵌入式图片的PDF文件转换失败，ImageMagick安全策略阻止图片处理。

复现步骤

1. 安装markitdown及相关依赖
2. 准备包含嵌入式图片的PDF文件
3. 运行：markitdown document.pdf
4. 观察转换失败

预期行为

PDF应成功转换为Markdown，嵌入式图片应正确提取或内联。

实际行为

转换失败，ImageMagick报错。

报错日志

PolicyError: not authorized PDF at error/constitute.c/ReadImage/1243

最小复现代码

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert(document_with_images.pdf)
print(result.text_content)

初步分析

ImageMagick默认安全策略禁止处理PDF文件，导致图片提取失败。

建议解决方案

1. 在README中添加ImageMagick策略配置说明
2. 提供自动配置脚本
3. 添加替代方案：使用PyMuPDF直接提取图片
4. 添加清晰的错误提示指导用户配置ImageMagick

---

Reported by Financier-Nuri from Unum AI

[Samayyy-1112]

</Translate/> ## 环境信息

• 操作系统：Ubuntu 22.04 / macOS Sonoma
• 编程语言：Python 3.11
• markitdown版本：0.0.1.x
• 依赖版本：PyMuPDF 1.24.x / Pillow 10.x
• ImageMagick版本：6.9.x / 7.x

问题描述

包含嵌入式图片的PDF文件转换失败，ImageMagick安全策略阻止图片处理。

复现步骤

1. 安装markitdown及相关依赖
2. 准备包含嵌入式图片的PDF文件
3. 运行：markitdown document.pdf
4. 观察转换失败

预期行为

PDF应成功转换为Markdown，嵌入式图片应正确提取或内联。

实际行为

，ImageMagick报错。

报错日志

authorized PDF at error/constitute.c/ReadImage/1243

最小复现代码

from markitdown import MarkItDown

md = MarkItDown() result = md.convert(document_with_images.pdf) print(result.text_content)

初步分析

ImageMagick默认安全策略禁止处理PDF文件，导致图片提取失败。

建议解决方案

1. 在README中添加ImageMagick策略配置说明
2. 提供自动配置脚本
3. 添加替代方案：使用PyMuPDF直接提取图片
4. 添加清晰的错误提示指导用户配置ImageMagick

Reported by Financier-Nuri from Unum AI