anydoc

项目简介

anydoc 是 Firecrawl 开发的开源 Rust 库，可将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 文档转换为 GitHub 风格 Markdown。它提供 Node.js、Python、浏览器 WebAssembly 和 CLI 绑定，官网演示在浏览器本地完成转换，文件不会离开用户设备。

核心功能

• 支持将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 转换为 GitHub 风格 Markdown。
• 所有格式都解析为同一个文档模型，并通过同一个 Markdown 序列化器输出，标题、嵌套列表、合并单元格表格和脚注的表现保持一致。
• 根据文件字节而非扩展名识别格式，扩展名标注错误的文件也能正确转换。
• 使用纯 Rust 实现，不依赖机器学习模型或外部服务，官方称单文档转换中位耗时低于 5 毫秒。
• 提供 Rust、Node.js、Python、浏览器 WebAssembly 和 CLI 多种使用方式。
• 保留标题、列表、含合并单元格与表头的表格、引用、脚注与尾注、演讲者备注等内容，Word 和 PowerPoint 的公式可转换为 LaTeX 数学标记。

适用场景

• 将来源混杂的办公文档批量转换为结构一致的 Markdown，供 LLM 流程使用。
• 在浏览器中本地转换文档，文件不离开本机。
• 通过随包发布的 Agent Skill 让智能体读取办公文档。
• 在无需 OCR 服务的条件下本地提取文本型 PDF 的内容。

快速开始

• Rust 用户可执行 cargo add anydoc 安装。
• Node.js 用户可执行 npm install @firecrawl/anydoc 安装。
• Python 用户可执行 pip install firecrawl-anydoc 安装。
• 浏览器 WebAssembly 版本可执行 npm install @firecrawl/anydoc-wasm 安装。
• CLI 可直接运行 npx @firecrawl/anydoc report.docx，将 Markdown 输出到标准输出。

部署与要求

• 本地转换使用纯 Rust，不需要机器学习模型，也不依赖外部服务。
• 浏览器 WebAssembly 演示页面需要一次性下载几 MB 的 WebAssembly。
• 文本型 PDF 通过 pdf-inspector 在本地转换。
• 扫描件或仅有图像的 PDF 需要选择启用 Firecrawl Parse 提供的托管 OCR。
• 托管 OCR 无需注册即可使用，设置 FIRECRAWL_API_KEY 可获得更高额度。

采用前须知

• 许可证：MIT。在使用、修改或分发项目前，请确认其具体条款。