AnyDoc：把 Word、Excel、PPT 和 PDF 转成 Markdown
项目地址：firecrawl/anydoc
测试 API：可点击阅读原文
AnyDoc 读取 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB 和 PDF，把内容统一转成 GitHub Flavored Markdown。转换在本机完成，不需要把文件交给第三方解析接口。
这个项目比较适合给知识库、RAG 和 Agent 补一个办公文档入口。扫描件 PDF、手写内容和图片文字仍需 OCR，AnyDoc 的本地解析器不会识别这些像素内容。
AnyDoc 官方浏览器演示页展示文档转 Markdown 与本地处理方式支持范围
项目公开支持 8 类文件、21 个扩展名：
- PowerPoint：
.ppt、.pps、.pot、.pptx、.pptm、.ppsx、.ppsm； - Excel：
.xls、.xlsx、.xlsm、.xlsb； - OpenDocument：
.odt、.ods、.odp；
文件类型优先从内容判断。PDF 头、RTF 起始组、OLE 流名称和 ZIP 包内的 mimetype 都能参与识别。扩展名写错时，解析器仍有机会找出真实格式；CSV 没有稳定文件签名，从字节输入时需要显式传入 csv。
统一文档模型
每种格式先进入同一套 Document 模型，再由同一个 Markdown 序列化器输出。标题、列表、合并单元格、脚注、演讲者备注和内嵌对象因此共用一套转换规则。
内嵌图片的二进制数据保留在 Document 模型中，Markdown 默认写出替代文本。需要把图片单独存入对象存储时，应调用 toDocument 读取资源，不能只拿最终 Markdown 字符串。
Node.js 绑定把转换工作放到 libuv 线程池，Python 绑定会释放 GIL，浏览器版本由 WebAssembly 执行。这些实现主要是为了处理事件循环和线程占用问题。
验证
命令行无需先全局安装：
npx @firecrawl/anydoc report.docx
保存到文件：
npx @firecrawl/anydoc slides.pptx -o slides.md
Node.js 可从路径或字节读取：
import { toDocument, toMarkdown, toMarkdownBytes } from "@firecrawl/anydoc";const markdown = await toMarkdown("report.docx");const document = await toDocument(buffer);const csv = await toMarkdownBytes(buffer, "csv");
验证时准备三份小文件：包含合并单元格的 .xlsx、带演讲者备注的 .pptx、一份文本型 PDF。检查标题层级、表格、备注和换行，再加入一份扫描 PDF，确认系统会明确进入 OCR 补充流程。
项目测试
项目说明中用 100 份真实文档比较 7 个转换器，样本覆盖 14 种格式。AnyDoc 的报告数据为：14/14 格式通过、单文档中位转换时间 4.4 毫秒、94 份文档进入质量评分、综合分 81/100。
这组数据来自仓库内的固定样本和评分脚本，本文没有独立复现。比较工具支持的格式数量不同，质量分也只覆盖成功进入评审的文档，不能把 4.4 毫秒直接套到任意文件大小和硬件。
失败条件
- Markdown 无法完整表达电子表格公式、复杂版式和动画；
- 浏览器版需要先下载数 MB 的 WebAssembly，首次加载时间取决于网络。
官方来源
