"Any document in. Markdown out."——任何文档进，Markdown 出。

项目简介 What is anydoc

anydoc 是 Firecrawl 开发并开源的快速 Rust 库，专注于把各类办公文档——Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF——转换为干净的 GitHub Flavored Markdown（GFM）。

它的定位非常明确：为 LLM 时代扫清文档读取的障碍。当你要把一份 .docx 报告、一套 .pptx 幻灯片或一张 .xlsx 数据表喂给大模型时，anydoc 负责把它们变成结构完整、干净无噪音的 Markdown。单份文档的中位转换时间在个位数毫秒级，是 Firecrawl Parse 的底层转换引擎。

它不是又一个"套壳转换器"：不依赖 LibreOffice、不调用 OCR 服务、不加载任何 ML 模型。整个转换就是一次纯粹的本地解析。

核心特性 Core Features

• 统一的输出标准：所有格式先解析进同一个文档模型，再由同一个 Markdown 序列化器渲染。标题（带锚点）、粗体/斜体/删除线、行内代码与代码块、链接与内部交叉引用、项目符号/编号/嵌套/任务列表（保留源编号样式）、带合并单元格的表格、块引用、脚注与尾注、演讲者备注——跨格式行为完全一致。
• 嵌入式资源保留：图片和嵌入对象在 Markdown 中以 alt 文本呈现，原始字节保留在文档模型上并标注媒体类型；外部 URL 图片转为普通 Markdown 图片。
• 基于内容的格式检测：从字节内容本身识别格式（PDF 头、RTF 起始组、OLE 流名、ZIP 包 mimetype），即使文件扩展名错误也能正确转换。
• 毫秒级性能：纯 Rust 实现，单文档中位转换耗时 < 5ms。
• PDF 本地直转：文本型 PDF 通过 pdf-inspector 本地转换，无需 OCR 服务。
• 多端绑定：Node.js（libuv 线程池，不阻塞事件循环）、Python（释放 GIL）、WebAssembly（浏览器端本地转换，文件不出设备）、CLI、Agent Skill。
• Agent 就绪：一条 npx skills add firecrawl/anydoc 命令，即可让 Claude Code、Codex、Cursor 等 AI 代理直接读取办公文档。
• 安全性：内置解压、嵌套深度、节点数等固定安全限制，防范 zip 炸弹等恶意文件。
• 测试完备：快照测试、变异测试（mutation testing）、每格式 cargo-fuzz 模糊测试目标。

技术架构 Architecture

anydoc 的架构哲学可以用一句话概括：一个模型，全格式统一。

.docx / .xls / .pdf / .epub / ...
        │
        ▼
  格式解析器（per-format parsers）
        │
        ▼
  ┌─────────────────────┐
  │  统一 Document 模型   │ ← 所有格式汇入同一结构
  └─────────────────────┘
        │
        ▼
  统一 Markdown 序列化器
        │
        ▼
   GitHub Flavored Markdown

关键依赖：

依赖	用途
Rust	核心语言，编译为原生库 / WebAssembly
calamine	Excel（xlsx/xls/xlsb 等）解析
pdf-inspector	PDF 本地转换
flate2	压缩流处理
wasm-bindgen	WebAssembly 绑定
maturin	Python 打包

注意：anydoc 不依赖 markitdown、firecrawl SDK 或 LibreOffice——它是 Firecrawl 自家的独立底层库，被 Firecrawl Parse 直接使用。

支持的格式 Supported Formats

类别	扩展名
Word	.doc .docx .docm
PowerPoint	.ppt .pps .pot .pptx .pptm .ppsx .ppsm
Excel	.xls .xlsx .xlsm .xlsb
OpenDocument	.odt .ods .odp
Rich Text Format	.rtf
EPUB	.epub
CSV	.csv
PDF	.pdf

共 14 种格式，是同类工具中覆盖最全的（对比：libreoffice 12/14、unstructured 8/14、markitdown 6/14、pandoc 5/14、docling 4/14、mammoth 1/14）。

性能基准 Benchmark

Firecrawl 官方用 100 份真实文档、14 种格式做了一次七工具横向对比（得分 0-100，越高越好；速度为中位数转换耗时）：

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

结论很清楚：格式覆盖最全、速度最快、质量全面领先。详见性能基准页。

开源协议 License

anydoc 使用 MIT License，完全开源，可自由使用、修改与商用。源码在 github.com/firecrawl/anydoc，可通过 crates.io（Rust）、npm（Node/WASM/CLI）、PyPI（Python）安装。

快速体验 Try it now

• 不想装任何东西？直接在首页的在线转换器里拖一份文档进去，浏览器本地完成转换。
• 想装进项目？到安装下载页选你的语言。
• 想系统上手？去快速上手专区。

一句话总结

anydoc = 14 种格式 + 一个文档模型 + 一套 Markdown 输出 + 毫秒级速度，纯本地、MIT、Agent 友好。

贡献者: souvc