把办公文档丢进去就出 Markdown:Firecrawl 开源 anydoc 毫秒转换

# 把办公文档丢进去就出 Markdown：Firecrawl 开源 anydoc 毫秒转换

经常把 Word、PPT、PDF 喂给 AI 的人，大概率遇到过这种麻烦：文档直接丢给 AI，它读得磕磕绊绊，格式乱、表格散、还容易漏内容。anydoc 是 Firecrawl（一个知名的网页抓取服务）开源的文档转换库，专门解决这个问题：把 Word、PowerPoint、Excel、PDF 等办公文档转成干净统一的 Markdown（一种纯文本标记格式，AI 最容易读懂的格式之一），毫秒级完成，输出格式整齐划一。

它是用 Rust 写的，转换速度很快，官方说"个位数毫秒"。支持 8 大类格式：Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF，细分文件类型有 14 种（包括 doc/docx、ppt/pptx、xls/xlsx 这些新旧格式）。不管什么格式进去，出来的 Markdown 风格统一，这也是它和其他转换工具最大的区别。

适合谁：经常要把办公文档整理成文字喂给 AI 的人、批量整理文档的人、做内容搬运和知识库的人。不想碰命令行的话，官方提供了浏览器在线版，直接把文档拖进网页就能转，文件只在本机处理、不会上传。

1. 转出来的东西为什么不一样

市面上不少转换工具的问题在于"输出不稳定"：同一个文档，今天转出来一种格式，明天又一种；不同格式的文档转出来的 Markdown 风格各异，喂给 AI 或者进知识库之前还得人工整理。anydoc 的核心卖点就是统一：任何格式进去，出来的都是同一套风格的 GitHub 风格 Markdown，标题、列表、表格、代码块的标记都一致，可以直接喂给大模型，也可以直接进知识库或文档系统。

具体用法很灵活。命令行最直接：一条命令 `npx @firecrawl/anydoc report.docx` 就能把文档转成 Markdown 输出，也可以指定输出文件、甚至从标准输入读 CSV。开发者可以装 Node.js 版或 Python 版，在代码里调用转换函数，实现"文档批量自动转 Markdown"的流程。浏览器在线版则给普通用户用：打开演示页面，把文档拖进去，转换在本地完成，文件不离开你的电脑。

还有一个细节：anydoc 的转换引擎正是 Firecrawl 自家 Parse 服务在用的那套。也就是说，如果你用 Firecrawl 的云端 API，得到的转换能力跟这个开源库是同源的；不想用云服务的话，本地跑开源版就行，免费还没额度限制。

2. 对用户来说意味着什么

最实际的场景是"把文档喂给 AI"。现在很多人的工作流是：收到客户/同事的 Word 或 PPT，想用 AI 总结、提炼、翻译。直接丢文档给 AI，效果时好时坏；先过一遍 anydoc 转成干净的 Markdown，再丢给 AI，输出质量稳定得多。对要建个人知识库的人，把积攒的 PDF、Word 统一转成 Markdown，进知识库搜索和管理都方便。

对批量场景价值更大。做内容搬运、文档整理、资料归档的人，经常有一堆格式杂乱的文档要处理，用 Python 或 Node 版写个小脚本，就能把整个文件夹的文档一次性转完，还不用管每个文件是什么格式。

隐私方面是加分项：转换在本地完成（浏览器版明确标注文件不出本机），敏感文档不用上传到任何第三方服务。

3. 上手门槛和限制，如实说

门槛分两档。普通用户：打开浏览器在线版就能用，零安装、零注册，拖文件进去就转。开发者/自动化用户：需要会用命令行或装 npm/pip 包，有一点编程基础就能接进自己的流程。

限制要说清楚。第一，扫描版的 PDF（就是那种"一整张图片"的 PDF）它转不了文字，因为里面没有可提取的文本层，官方建议扫描件配合 OCR（图片文字识别）服务处理，anydoc 本身不内置 OCR。第二，复杂版式的文档（艺术字、复杂嵌套表格、特殊排版）转换后可能丢失部分视觉信息，内容在，样式不一定完美还原。第三，"14 种格式"是细分扩展名的口径，官方文档按 8 大类表述，新旧格式（比如 .doc 和 .docx）都支持，但一些极冷门的格式不在支持列表里。

/// 一句话结论

经常要把办公文档转成文字喂给 AI 或整理知识库的人，anydoc 值得收藏：免费开源、转换快、输出统一，普通用户用网页版零门槛，开发者能一键接入自动化。扫描版 PDF 和极致复杂版式的需求，要先评估下自己用不用得上。