一次搞定!Word/PDF/DOCX/PPT 等 14 类文档格式转 Markdown~

过去两年，大模型的发展速度几乎超过了所有人的预期，从 ChatGPT 到 Claude，再到 DeepSeek、Kimi、通义千问等国产模型，AI 已经可以完成越来越复杂的任务：写代码、分析数据、生成方案、辅助办公，甚至开始进入企业核心业务流程。

用 AI 处理文档是现在很常见的需求，总结一份报告、让 Agent 从一堆 PPT 里提取关键信息、搭一个知识库把公司历史文档都塞进去检索。

AI 模型本身读不了 .docx、.pptx、.xlsx 这些二进制格式，得先转成纯文本或者 Markdown。

而且文档格式五花八门，.doc、.docx、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF……

今天介绍一个专门把各种办公文档转换成干净、统一的 GitHub 风格 Markdown 文档的项目 -- anydoc。

anydoc 是 Firecrawl 开源的一个 Rust 库，支持 Word、PPT、Excel、ODF 开放文档、RTF、EPUB、CSV、PDF 等文件，将文档转换成标准 GitHub 风格 Markdown。

anydoc 同时提供 Node.js、Python 以及浏览器 WebAssembly 调用接口。

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

在线使用：https://firecrawl.github.io/anydoc/

支持的格式：

类型	后缀
Word	`.doc.docx.docm`
PowerPoint	`.ppt.pps.pot.pptx.pptm.ppsx.ppsm`
Excel	`.xls.xlsx.xlsm.xlsb`
OpenDocument	`.odt.ods.odp`
RTF	`.rtf`
EPUB	`.epub`
CSV	`.csv`
PDF	`.pdf`

14 种格式，覆盖了日常能遇到的绝大部分办公文档类型。

功能特性：

统一转换标准：所有文档格式共用一套解析与渲染逻辑，新旧文件输出效果完全一致，格式规范统一。
完整结构还原：精准还原标题、样式文本、代码块、链接、各类列表、合并单元格表格、引用、脚注及演讲备注等全部文档元素。
保留内嵌资源：支持图片、内嵌对象解析，保留资源原始数据与媒体类型，外链图片自动适配标准 Markdown 格式。
智能格式识别：基于文件内容识别格式，不受错误文件后缀影响，错标文件也可正常转换。
极速本地转换：纯 Rust 原生开发，无模型、无外网请求，单文档转换耗时中位数低于 5 毫秒。
无阻塞高性能适配：Node.js、Python 适配多线程机制，不阻塞主线程，内置完整类型提示文件，开发友好。
原生支持文本 PDF：本地直接解析文本类 PDF 文件，无需额外 OCR 服务。
AI 代理开箱即用：可一键部署为 AI 代理技能，让各类智能代理直接解析、读取办公文档。

Firecrawl 拿 anydoc 和另外六个转换工具，在覆盖 14 种格式的 100 份真实文档上做了对比测试，用 Claude Sonnet 5 作为评分裁判，从完整性、结构、格式、整洁度四个维度打分。

安装和使用

1、Agent skill

anydoc 可作为智能代理技能直接使用，让你的 AI 代理能够解析遇到的任意文档：

npx skills add firecrawl/anydoc

该 Agent skill 会调用 anydoc 命令行工具转换文档的能力，兼容 Claude Code、Codex、Cursor、OpenCode 以及其他所有适配的 AI 代理程序。

2、命令行

直接用 npx 跑：

npx @firecrawl/anydoc report.docx               # 转换结果输出到终端npx @firecrawl/anydoc slides.pptx -o slides.md  # 输出到文件npx @firecrawl/anydoc - --format csv < data.csv # 从标准输入读取

首次执行 npx 命令时，会自动下载适配你当前操作系统的预编译二进制程序。

想要全局永久使用 anydoc 命令，执行全局安装：

npm install -g @firecrawl/anydoc

运行 anydoc --help 查看全部可用参数。

3、Node.js 安装使用

安装命令：

npm install @firecrawl/anydoc

调用实例：

import { toDocument, toMarkdown, toMarkdownBytes } from '@firecrawl/anydoc';// 通过文件路径转换const markdown = await toMarkdown('report.docx');// 传入二进制数据，自动识别文件格式const fromBytes = await toMarkdownBytes(bytes);// 手动指定格式（无文件标识的格式如 CSV 需要显式声明）const fromCsv = await toMarkdownBytes(bytes, 'csv');// 获取原始文档结构对象，包含内嵌资源const document = await toDocument(bytes);

4、Python 安装使用

安装命令：

pip install firecrawl-anydoc

调用实例：

import anydoc# 通过文件路径转换markdown = anydoc.to_markdown("report.docx")# 传入二进制数据，自动识别文件格式markdown = anydoc.to_markdown_bytes(data)# 手动指定格式（CSV 这类无标识文件需要）markdown = anydoc.to_markdown_bytes(data, "csv")# 获取文档原始模型，保留内嵌资源document = anydoc.to_document(data)

5、浏览器（WebAssembly）

安装命令：

npm install @firecrawl/anydoc-wasm

调用实例：

import init, { toMarkdownBytes, toDocument } from '@firecrawl/anydoc-wasm';await init();// 传入二进制数据，自动识别格式const markdown = toMarkdownBytes(bytes);// 手动指定文件格式const fromCsv = toMarkdownBytes(bytes, 'csv');// 获取完整文档对象，包含内嵌资源const document = toDocument(bytes);

6、RUST 安装使用

安装命令：

cargo add anydoc

调用实例：

// 通过文件路径转换let markdown = anydoc::to_markdown("report.docx")?;// 传入二进制数据，交由程序自动识别格式let markdown = anydoc::to_markdown_bytes(&bytes, None)?;// 手动指定文件格式（CSV 等场景）let markdown = anydoc::to_markdown_bytes(&bytes, anydoc::Format::Csv)?;// 获取文档原始结构，携带内嵌资源let document = anydoc::to_document(&bytes, None)?;