anydoc 究竟有多快、多全、多干净？与其听我们自夸，不如直接看 Firecrawl 官方在 README 里公布的那组横向数据。

测试方法

• 样本：100 份真实文档，覆盖全部 14 种格式（Word / PowerPoint / Excel / OpenDocument / RTF / EPUB / CSV / PDF）
• 工具：anydoc、LibreOffice、unstructured、markitdown、pandoc、docling、mammoth，共七家
• 维度：完整性、结构保留、格式保真、整洁度，满分 100
• 速度：各工具的中位数转换耗时

结果总表

工具	格式数	中位耗时	评分	完整性	结构	格式	整洁度
anydoc	14/14	4.4ms	81	87	79	78	81
libreoffice	12/14	1129.5ms	40	59	42	40	24
unstructured	8/14	572.9ms	58	63	76	59	51
markitdown	6/14	134.8ms	33	65	78	66	60
pandoc	5/14	102.1ms	34	56	74	57	56
docling	4/14	513.6ms	21	57	60	60	57
mammoth	1/14	52.5ms	8	70	84	71	75

怎么读这张表

格式覆盖：14/14，全场唯一。 其他工具或多或少有短板——mammoth 只认 docx 一种，pandoc 和 docling 都不到一半。如果你的工作流里什么格式都可能出现，只有 anydoc 能一张表通吃。

速度：4.4ms 对 134.8ms。 第二快的 markitdown 比 anydoc 慢了一个数量级；LibreOffice 更是慢了 250 多倍。在批量转换、实时解析、Agent 调用这类场景里，这个差距是体验级别的。

质量：81 分，全面领先。 完整性 87 分最突出——这意味着转出来的 Markdown 信息丢失最少，恰恰是喂给 LLM 时最看重的一点。结构、格式、整洁度也都高于第二名的对应项。

别忘了背后的成本差异。 LibreOffice 需要系统级安装、自带运行时开销；docling/unstructured 依赖重量级模型和依赖链。anydoc 是一个纯 Rust 库，打进你的二进制或 WASM 里就是几 MB 的事。

为什么 anydoc 能这么快

速度不是靠魔法，而是架构选择的结果：

1. 一个模型——所有格式解析进同一个 Document 模型，渲染逻辑只有一套，没有格式间的重复转换
2. 纯 Rust——没有解释器开销，没有进程边界，没有模型推理
3. 按需解析——只解析需要的东西，页眉、页脚、页码等噪音从设计上就被排除，不产生多余工作

局限性也要说清楚

• 扫描版 PDF 不支持：纯图片 PDF 需要 OCR，anydoc 返回 Unsupported。Firecrawl Parse 在同一个转换链路上补上了 OCR。
• 基准是官方样本：100 份文档有代表性但不是全宇宙，特殊排版的极端情况仍需实测。
• 速度标注为中位数：超大文件（几百 MB 的 xlsx）耗时会更长，但相对同类工具的优势依然成立。

想自己跑一遍？

官方仓库的 bench/ 目录提供了完整的基准测试代码，拉下来在自己的文档集上跑一遍最踏实。

想看两大热门工具的正面 PK？

对比绕不开它——markitdown vs anydoc：谁更适合文档转 Markdown？

贡献者: souvc