anydoc
anydoc 将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 转换为干净的 GitHub 风格 Markdown。基于 Rust 构建，配备 Node、Python 和 WebAssembly 绑定，提供一致且支持资源的输出，具备毫秒级延迟，适用于代理、RAG 流水线和开发者工作流。
概览
将办公文件拖入 anydoc，即可获得结构化、符合 GFM 规范的 Markdown，标题、列表、表格、脚注、链接和资源引用均完整保留。库从字节检测格式，通过共享模型规范结构，并只序列化一次，实现可预测且一致的输出。
来自所有办公格式的一致 Markdown
非常适合构建 RAG 和检索流水线、数据导入和 ETL 任务、必须读取任意文档的代理，以及需要 Markdown 作为稳定交换格式的开发工具。替代脆弱的格式特定脚本或笨重的无头办公套件，团队可获得单一且可预测的输出。后端服务可异步处理文档；Python 数据工作流释放 GIL；浏览器应用通过 WASM 本地转换保障隐私。如果您需要干净、结构化且几乎无意外的 Markdown，anydoc 是专为此设计。
- 解析多种办公格式为统一且一致的文档模型。
- 只序列化一次为 GitHub 风格 Markdown，确保所有输入表现一致。
- 从文件字节检测格式，支持处理错误标记或无扩展名文档。
- 提供 Node、Python 和 WebAssembly 绑定，部署灵活。
- 保留嵌入资源和元数据，伴随渲染的 Markdown 输出。
团队选择 anydoc 的理由
工程笔记与保障
使用 CLI 命令 npx @firecrawl/anydoc 转换文件或管道输入。Node.js 环境安装包后调用 toMarkdown 或 toDocument；Python 使用 pip install firecrawl-anydoc 并调用 to_markdown 或 to_document。WebAssembly 构建初始化后完全在浏览器运行。anydoc 也作为代理技能发布；通过 npx skills add firecrawl/anydoc 添加，实现代理无缝转换遇到的文档。格式检测基于字节，CSV 在无签名时支持显式格式指定。错误变体区分不支持、加密、格式错误或资源限制输入，确保流水线稳健处理。
一个序列化器，一个输出：无论输入何种文档，都能获得可预测、符合 GFM 规范的 Markdown。
快速入门与集成
anydoc 以紧凑、本地、跨格式转换器替代了胶水脚本和笨重的办公套件。共享模型加单一 Markdown 序列化器确保一致性；Node、Python 和 WASM 绑定满足团队多样化运行环境。快速、确定性行为，资源处理和明确错误变体让大规模操作无意外。
打开该工具并查看其核心产品体验。
创建账户或进入你已有的工作空间。
使用你自己的任务判断速度、质量和适配度。
在最终决定前查看类似 AI 工具。
anydoc
Firecrawl 专注于为 AI 流水线打造高性能文档解析和开发者工具。团队聚焦于 Rust 中确定性、低延迟的提取，配备生产级绑定，驱动开源库和托管服务，广泛应用于代理和 RAG 系统。
anydoc 是一个快速的 Rust 库，可将多种异构办公文档转换为一致的 GitHub 风格 Markdown。所有支持的格式——DOC/DOCX、PPT/PPTX、XLS/XLSX、ODT/ODS/ODP、RTF、EPUB、CSV 以及基于文本的 PDF——都会先解析成统一的文档模型，然后由单一序列化器渲染为 Markdown，因此列表、表格、锚点和脚注在不同来源间表现一致。基于内容的格式检测读取文件字节而非扩展名，减少流水线中的导入错误。Node.js 和 Python 绑定保持运行时响应（libuv 线程池，GIL 释放），WebAssembly 构建则可完全在浏览器端运行。嵌入的资源保留在文档模型中，并以适当的 Markdown 引用形式输出。设计注重吞吐量，典型转换在个位数毫秒内完成，无需外部服务或机器学习。它驱动着 Firecrawl 自身的解析栈，能无缝集成到需要可预测结构化文本的代理、RAG 和 ETL 任务中。
访问 anydoc
评论 (0)
暂无评论