6款开源文档转Markdown工具，究竟怎么选？

你准备把 PDF、Word、PPT、Excel、扫描书籍放进 AI 知识库，一搜 GitHub，却冒出 MarkItDown、MinerU、PaddleOCR、Marker、anydoc 等一堆工具。

它们看起来都能“转 Markdown”，但如果把它们当成同一种工具，很容易一开始就选错。

真正应该先问的是：你的文件有没有文本层？是不是扫描件？有没有复杂表格和公式？你更在乎速度还是解析质量？最后是不是要进入 Obsidian、RAG 或 Agent？

一、先搞清楚：这6个项目不是一类工具

所以，不要先问“谁最好”，先判断你属于哪一种场景。

二、MarkItDown：最适合当“万能入口”

GitHub： https://github.com/microsoft/markitdown

MarkItDown 是微软开源的 Python 工具，目标是把常见文件转换成适合大模型、检索和文本分析使用的 Markdown。

它支持 PDF、Word、PowerPoint、Excel、图片、音频、HTML、CSV、JSON、XML、ZIP、EPUB 等多种输入。

优势是覆盖广、上手相对简单。普通本地转换不需要付费 API；Azure Document Intelligence、Content Understanding、LLM/OCR 等属于可选增强能力，启用后才可能产生云端费用。

适合：个人知识库、办公资料、格式混杂的普通文件。

限制：复杂多栏论文、重度扫描件、复杂公式和表格，不是它最强的场景。

三、anydoc：关键词就是“快”

GitHub： https://github.com/firecrawl/anydoc

anydoc 和 MarkItDown 有明显重叠，但更强调批量转换速度。

它支持 DOCX、PPTX、XLSX、PDF、EPUB、CSV 等格式，可通过 CLI、Node.js 或 Python 使用。

如果一个文件夹里有几千份普通 Office 文件和电子 PDF，需要快速批量转 Markdown，anydoc 很有吸引力。

但要注意：本地 anydoc 不负责扫描 PDF 的 OCR。图片型 PDF 会提示需要 OCR，可以改用其他工具，或者启用 Firecrawl 的托管 OCR/Parse。

因此它适合“高速公路”，不适合拿来做所有复杂扫描文档。

四、MinerU：复杂 PDF 的重型解析器

GitHub： https://github.com/opendatalab/MinerU

MinerU 4.0 不只是“把文字抽出来”，而是进一步识别文档结构。

它会处理 OCR、版面、表格、公式、图片和阅读顺序，并支持 PDF、图片、Word、PPT、Excel、EPUB、HTML、CSV 等多种格式。

比如一篇双栏论文，如果只抽文本，很可能左右两栏交叉。MinerU 的价值就在于先理解页面结构，再输出更适合 AI 使用的 Markdown 或结构化结果。

它提供 Flash、Basic、Standard、Advanced 不同解析档位，可以在速度和质量之间取舍。

适合：论文、扫描书籍、研究报告、财报、复杂表格、公式、多栏 PDF。

代价是部署和计算资源要求比轻量工具高，但本地使用并不等于必须购买 API。

五、PaddleOCR：大量中文扫描件时非常有价值

GitHub： https://github.com/PaddlePaddle/PaddleOCR

PaddleOCR 不能只理解成“图片识字”。

现在它已经覆盖 OCR、版面分析、公式识别和文档解析，并直接面向 pdf2markdown、doc2markdown、RAG 等场景。

它特别适合中文扫描书、手机截图、图片型 PDF、合同、票据和老资料。

和 MarkItDown 相比，它更像一套 OCR 与 Document AI 工具箱，因此安装和配置门槛更高，但在需要中文 OCR 和视觉文档解析时价值很大。

六、Marker：最适合和 MinerU 放在一起比较

GitHub： https://github.com/datalab-to/marker

Marker 同样面向复杂文档，可输出 Markdown、JSON、HTML 或 chunks。

它重点处理表格、表单、数学公式、代码块、引用、图片、页眉页脚和 OCR，同时支持 CPU、GPU 和 Apple MPS。

基础本地解析不要求付费 API；如果主动启用外部 LLM 增强，才会产生对应模型费用。

如果你主要处理复杂 PDF，与其争论 MinerU 和 Marker 谁绝对更强，不如拿自己最典型的 10—20 份文档做一次真实对测。

七、Knap：它根本不是 OCR 工具

GitHub： https://github.com/obsidianmd/knap

Knap 是 Obsidian 的 Markdown 模板引擎。

它不负责把 PDF 识别出来，而是负责把已经得到的数据，按统一模板生成 Markdown。

例如自动生成：

1
2
3
4
5
6
7
8
9
10
11
12
---title:author:date:source:tags:---# 核心观点# 原文# AI总结# 我的思考

它解决的是知识库后半段的问题：怎样让进入 Obsidian 的笔记长期保持统一结构。

八、速度和口碑，应该这样看

对于本身有文本层的普通电子文档，MarkItDown、anydoc 更偏轻量和速度；MinerU、Marker、PaddleOCR 更偏结构理解、OCR 和复杂页面。

因此不能简单做一个“谁最快”的总榜。

同样，GitHub Star 和社区热度也只能说明关注度，不能直接代表你的使用体验。

一个主要处理中文扫描书的人，PaddleOCR 可能比 anydoc 更合适；一个只需要处理 Word、PPT、Excel 的人，则完全没必要先部署重型 OCR 模型。

口碑最终还是要回到你的资料类型。

九、搭建个人AI知识库，我更建议这样组合

如果目标是 Obsidian + AI知识库 + RAG/Agent，没有必要把 6 个项目全部安装。

可以先这样分流：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Word / PPT / Excel / EPUB / 普通PDF                ↓          MarkItDown复杂PDF / 论文 / 扫描书籍                ↓             MinerU                ↓           Markdown                ↓         Knap统一模板                ↓            Obsidian                ↓       AI知识库 / RAG / Agent

第一阶段先装：

MarkItDown + MinerU。

深度使用 Obsidian，再加入：

Knap。

大量中文扫描件，再增加：

PaddleOCR。

成千上万份普通办公文档需要批量提速，再测试：

anydoc。

复杂 PDF 是核心业务，再把：

MinerU 和 Marker 做真实样本对测。

最后

选择文档解析工具时，先回答 6 个问题：

1. 文件主要是什么格式？
2. PDF 是电子文本还是扫描图片？
3. 有没有复杂表格、公式、多栏排版？
4. 是否必须完全本地运行？
5. 更在乎速度还是解析质量？
6. 最终是给人看，还是给 AI、RAG、Obsidian 使用？

然后找 10 份最典型的真实资料做一次测试，比看几十篇网上测评更有意义。

不要先选工具，再想怎么用；先看清文档，再决定让谁来处理。

                             AI时代如何搭建自己的知识库资产

                                     一切尽在《知识架构师》

项目下载地址

• Microsoft MarkItDownhttps://github.com/microsoft/markitdown
• Firecrawl anydochttps://github.com/firecrawl/anydoc
• OpenDataLab MinerUhttps://github.com/opendatalab/MinerU
• PaddleOCRhttps://github.com/PaddlePaddle/PaddleOCR
• Markerhttps://github.com/datalab-to/marker
• Obsidian Knaphttps://github.com/obsidianmd/knap

注：项目功能和版本持续更新。本文信息以 2026-09-21 查询到的各项目官方 GitHub README 为基础，正式部署前建议再次查看最新说明。