anydoc —— 文档转 Markdown 利器（Firecrawl 出品）

调研日期：2026-08-23 | 数据来源：GitHub API、官方 README、npm
仓库：https://github.com/firecrawl/anydoc | 官网：https://firecrawl.github.io/anydoc/

一句话定位

把 Word / PPT / Excel / OpenDocument / RTF / EPUB / CSV / PDF 转成干净 GitHub-Flavored Markdown 的 Rust 库，毫秒级、纯本地、无外呼。Firecrawl（知名网页抓取公司）官方出品，是其 Parse 服务的底层引擎。

1. 项目背景

  • ⭐ 17972★ · 1037 fork · MIT · Rust · 2026-08-03 创建（两周涨到 1.8 万星，极速）
  • 由 Firecrawl 开发（公司背书），npm 月下载 33.5 万次，仍活跃维护
  • 有 Node.js / Python / 浏览器(WASM) / Rust 四种绑定

2. 怎么用（上手难度：极低）

依赖：Node 或 Python 即可，无 GPU、无外部服务、无需 API key。

# CLI（npx 免安装）
npx @firecrawl/anydoc report.docx          # 转 Markdown 到 stdout
npx @firecrawl/anydoc slides.pptx -o slides.md
npx @firecrawl/anydoc - --format csv < data.csv  # 读 stdin

# Python
pip install firecrawl-anydoc
import anydoc; anydoc.to_markdown("report.docx")

# Agent Skill（让任何 agent 能读文档）
npx skills add firecrawl/anydoc
  • 浏览器版可在线体验：本地 WASM 转换，文件不出机器
  • 扫描版 PDF 需配合 Firecrawl 云端 OCR（付费）——文本 PDF 本地直接转

3. 价值

  • 把办公文档/PDF 喂给 LLM 前的标准预处理：知识库入库、语雀课程整理、爬虫数据清洗都能用
  • 14 种格式统一输出，毫秒级（中位 4.4ms），表格/公式/脚注/嵌入资源保留完整
  • 纯本地无外呼，隐私安全；Agent Skill 一键让 AI 读任何文档

4. 能力边界

  • ✅ 14 格式→MD、毫秒级、纯 Rust 本地转换、Node/Python/WASM/Rust、Agent Skill、公式转 LaTeX、内嵌资源
  • ❌ 扫描版 PDF 需 OCR 服务（付费）；不做网页抓取（那是 Firecrawl 主项目）；不做文档间格式互转（只出 Markdown）

5. 对比同类

维度 anydoc markitdown pandoc docling libreoffice
格式覆盖 ✅ 14/14 6/14 5/14 4/14 12/14
速度(中位) ✅ 4.4ms 134.8ms 102ms 513ms 1129ms
综合分 ✅ 81 65 56 57 40

结论：官方基准里格式最全、速度最快、综合分最高。不足是项目很新（2026-08 创建），生态待观察，但 Firecrawl 公司背书 + 增长极快。

6. 社区反馈 / 可靠性

  • 18k★（2 周）、npm 33.5 万/月、MIT、官方基准全面领先
  • Firecrawl 公司出品（商业公司维护）+ 活跃 commit → 可靠

可靠性结论：公司背书、增速极快、质量高。日常文档转 Markdown 值得直接收藏使用。

refer

声明：

  1. 若文章存在错误，望诸君不吝指正^

  2. blog仅供个人记录学习所用

  3. 部分笔记由于年代久远，做的笔记找不到最初是引用谁的，若是不允许引用转载，请联系我