Rust 中使用 anydoc - cargo 文档转 Markdown

API 参考Rust

anydoc 的 Rust crate 就叫 anydoc，它是整个库的原生形态——其他语言绑定（Node/Python/WASM）都是它的编译产物。Rust 里用，性能是天花板。

安装

cargo add anydoc

三个核心 API

use anydoc::ConvertError;

fn main() -> Result<(), ConvertError> {
    // 1. 从路径转
    let markdown = anydoc::to_markdown("report.docx")?;
    println!("{markdown}");

    // 2. 从字节转
    let bytes = std::fs::read("slides.pptx")?;
    let md = anydoc::to_markdown_bytes(&bytes, None)?;

    // 3. 停在文档模型（保留嵌入资源）
    let document = anydoc::to_document(&bytes, None)?;
    // document 上保留图片/嵌入对象的原始字节与媒体类型

    Ok(())
}

错误处理

match anydoc::to_markdown("scanned.pdf") {
    Ok(md) => println!("{md}"),
    Err(ConvertError::Unsupported) => println!("不支持的格式或扫描版 PDF"),
    Err(ConvertError::Malformed) => println!("文件损坏"),
    Err(e) => println!("其他错误: {e:?}"),
}

ConvertError 枚举六种变体：Unsupported、Malformed、Encrypted、ResourceLimit、MissingPart、Io，含义见错误处理与限制。

嵌入资源怎么落盘

let document = anydoc::to_document(&bytes, None)?;

// 遍历文档模型的资源节点（示意）
for asset in document.assets() {
    // asset.bytes: 原始字节
    // asset.media_type: 媒体类型，如 "image/png"
    std::fs::write(format!("assets/{}", asset.name), &asset.bytes)?;
}

Markdown 输出中这些资源以 alt 文本呈现，原始字节只在文档模型上。

常见场景

CLI 工具

let args: Vec<String> = std::env::args().collect();
let md = anydoc::to_markdown(&args[1])?;
print!("{md}"); // 管道友好，配合 shell 直接重定向

WebAssembly 背后的 Rust 代码

Rust 版编译成 wasm 就是浏览器版 @firecrawl/anydoc-wasm。想自定义 wasm 行为（比如改资源策略），直接从源码编译你自己的版本。

小提示

to_markdown_bytes / to_document 的第二个参数是配置项，先传 None 用默认
编译产物同时覆盖原生库与 wasm，Rust 是"一处实现、处处分发"的源头
在服务端并发场景，rayon 或 tokio::spawn_blocking 配合任意使用