极速文档转 Markdown 工具库,纯 Rust 实现,单文档转换不到 5 毫秒

❝

anydoc 是一个用 Rust 构建的高性能文档转 Markdown 库，它支持 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 共 14 种格式的转换，中位数转换时间不到 5 毫秒，并提供 Node.js、Python 和浏览器 WebAssembly 三种绑定，让你在自己熟悉的语言环境里直接调用它，不用学 Rust。

简单说，它就是一个"文档翻译官"，能把各种办公文件瞬间变成 AI 能轻松读懂的纯文本格式。

打个比方：你手里有一份日报（Word）、一份季度汇报 PPT、一张财务 Excel 表格、一本电子书。你把它们全部扔给它，"嗖"一下，它们全部变成了同一份结构清晰的纯文字稿——所有标题、表格、图片说明、脚注都保留着，格式统一，排版干净，全世界任何阅读器都能直接看。

基准测试表现

anydoc 针对 100 篇涵盖 14 种格式的真实文档与 6 款转换工具进行了盲评基准测试（由 Claude Sonnet 5 作为 LLM 裁判对照 LibreOffice 渲染的图像进行打分，总分 100）：

• 格式覆盖最广：anydoc 覆盖了全部 14/14 种格式，是基准测试中唯一实现全格式覆盖的工具。
• 综合质量评分最高：anydoc 在 94 篇被实际评判的文档中，获得了 81 分的最高综合得分（其中完整性 87、结构 79、格式 78、清洁度 81），并在每个单项支持格式的 Like-for-Like 对比中均位列第一。
• 速度领先一个数量级：在 Ryzen 9 9950X3D 测试环境下，anydoc 的中位转换耗时仅为 4.4 毫秒，大幅领先于 Pandoc（102.1 ms）、MarkItDown（134.8 ms）和 Docling（513.6 ms）等工具。

要点

• 统一的解析与序列化架构：所有支持的文档格式在输入后，都会先被解析为统一的共享文档模型（Document），再通过同一个 Markdown 序列化器输出为 GitHub-Flavored Markdown (GFM)。这种设计使得转义、表格、标题锚点和脚注等在各格式间的输出表现完全一致，且针对排版或转义缺陷的修复只需在序列化器中修改一次，即可自动应用到所有格式（例如对 .docx 的表格转义修复会自动应用到 .rtf 和 .odt 等其他所有格式）。

• 本地 PDF 转换及边界：内置对文本型 PDF 的本地解析支持，通过 pdf-inspector 直接转换为 Markdown，无需外部 OCR 服务；不过，对于纯图片或扫描版的 PDF，由于 anydoc 不具备本地 OCR 功能，转换会触发 Unsupported 错误。

• 基于内容签名检测格式（而非依赖扩展名），即使文件被错误命名也能正确识别；CSV 因无签名需显式指定格式。

• 结构与嵌入资源完整保留：支持转换包含标题锚点、粗体/斜体/删除线、代码块、链接与交叉引用、带合并单元格和表头的表格、嵌套/任务列表（保留源编号）、脚注、尾端注以及幻灯片演讲者备注在内的完整结构。图片等嵌入资源在 Markdown 中呈现为 alt 文本，而其原始字节（带有媒体类型标签）则完整保留在文档模型中供提取。

• 无阻塞的多语言绑定：

• Node.js 绑定：在 libuv 线程池中异步运行，不阻塞事件循环。
• Python 绑定：在执行时释放全局解释器锁（GIL），使其他 Python 线程可并行运行。
• 浏览器 WASM：通过 @firecrawl/anydoc-wasm 完全在本地浏览器运行，文件不上传服务器。

• 以 Agent Skill 形式发布，Claude Code、Codex、Cursor 等智能体可通过 npx skills add firecrawl/anydoc 直接调用。

安装与使用

CLI（推荐快速体验）：

npx @firecrawl/anydoc report.docx              # 输出到标准输出npx @firecrawl/anydoc slides.pptx -o slides.md # 输出到文件npm install -g @firecrawl/anydoc               # 全局安装，获得 anydoc 命令

Node.js：

npm install @firecrawl/anydoc

import { toMarkdown, toMarkdownBytes } from'@firecrawl/anydoc';const md = await toMarkdown('report.docx');const md = await toMarkdownBytes(bytes, 'csv'); // 无签名格式需指定

Python：

pip install firecrawl-anydoc

import anydocmarkdown = anydoc.to_markdown("report.docx")markdown = anydoc.to_markdown_bytes(data, "csv")

Rust：

# Cargo.tomlanydoc = "0.1"

let markdown = anydoc::to_markdown("report.docx")?;

浏览器 (WASM)：

npm install @firecrawl/anydoc-wasm

import init, { toMarkdownBytes } from'@firecrawl/anydoc-wasm';await init();const md = toMarkdownBytes(bytes);

项目由 Firecrawl 开发，采用 MIT License，当前 11.6k Stars。

❝

项目地址：https://github.com/firecrawl/anydoc