把14种文档格式统一转成Markdown，anydoc让文档转换一次搞定-平芜编程栈

把14种文档格式统一转成Markdown，anydoc让文档转换一次搞定

【免费下载链接】anydocConvert Word, PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV, and PDF to clean Markdown. Built in Rust, with Node.js and Python bindings.项目地址: https://gitcode.com/gh_mirrors/any/anydoc

你有没有过这样的时刻：收件箱里躺着一堆乱七八糟的文件，同事发来.docx方案，讲师分享.pptx课件，财务丢来.xlsx报表，还有.pdf电子书、.rtf老文档、.epub杂志……每个都要用不同软件打开，手机上排版还经常乱掉。anydoc 就是为解决这个痛点而生的文档转Markdown工具——不管你丢给它什么格式，它都吐出一份干净统一的 Markdown。

它到底是什么？先花30秒认识一下

anydoc 是一个用 Rust 写成的开源文档转换库。它的目标很朴素：把 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 共14 种格式的文档，全部转成统一的 GitHub-Flavored Markdown，并且做到"输入五花八门，输出一个样"。

它的核心信息可以浓缩成一张小卡片：

开发语言：Rust，纯本地运行，不依赖任何外部服务或 ML 模型
覆盖格式：doc/docx/docm、ppt/pptx/pps/ppsx/pot、xls/xlsx/xlsm/xlsb、odt/ods/odp、rtf、epub、csv、pdf
语言绑定：提供 Node.js、Python 绑定，还能编译成 WebAssembly 在浏览器里跑
性能表现：中位转换耗时在毫秒级，实测大批文档的平均转换时间不到 5ms

之所以快，是因为所有格式都先解析进同一个文档模型，再交给同一个 Markdown 序列化器输出——修好一次表格转义，rtf、odt、docx 全部跟着受益，而不是每个格式各写一套逻辑。

三步搞定：从下载到转出第一份Markdown

别被"Rust库"三个字吓到，上手真的不用五分钟。跟着下面三步走，你现在就能用上。

第一步：拿到代码

如果你想把仓库克隆到本地，一条命令即可：

git clone https://gitcode.com/gh_mirrors/any/anydoc

第二步：装一个你顺手的绑定

用 Node.js 就装 npm 包，用 Python 就装 pip 包：

npm install @firecrawl/anydoc # 或者 pip install firecrawl-anydoc

第三步：写三行代码完成转换

Python 版本最直观：

import anydoc markdown = anydoc.to_markdown("slides.pptx") print(markdown)

Node.js 同样简洁：

import { toMarkdown } from '@firecrawl/anydoc'; const markdown = await toMarkdown('report.docx');

连代码都不想写？直接用命令行，npx下载即用：

npx @firecrawl/anydoc slides.pptx -o slides.md

看到没有，从安装到出结果，真的就这三步。Python 和 Node 的完整 API 说明分别放在 python/README.md 和 node/README.md，有需要再去翻。

三个真实场景：anydoc 能帮你省下什么

光说功能没感觉，我们挑三个日常最常遇到的场景，看看它是怎么派上用场的。

场景一：把课件PPT变成学习笔记 📝

复习考试时，几十页 PPT 翻来翻去很痛苦。用 anydoc 转成 Markdown 后，每页幻灯片变成清晰的标题与列表结构，直接粘进笔记软件，或者交给 AI 帮你总结重点。相关的 PPT 解析逻辑在 src/formats/ppt/ 与 src/formats/pptx/ 目录，感兴趣可以顺着看。

场景二：把散落各处的表格汇总成统一报表 📊

月初要交报表，邮箱里躺着三张不同来源的表格，有.xls老格式，有.xlsx，还有一份.csv。用 anydoc 各自转成 Markdown 表格后，粘贴、合并、统一格式一气呵成，不用再开着 Excel 来回复制。表格渲染相关的实现可以参考 src/render/markdown/table.rs。

场景三：把PDF电子书变成可检索的纯文本 📖

遇到扫描版 PDF 它确实无能为力，但普通文字版 PDF 完全没有问题——转出来的文本可以全文搜索、复制引用，还能塞进自己的知识库做检索。PDF 的转换入口在 src/formats/pdf.rs。

一个加分项：anydoc 不只是看文件后缀，而是直接从文件内容识别格式（PDF 文件头、RTF 起始标记、ZIP 包声明等）。所以哪怕文件扩展名被改乱了，它照样能认出真身、正确转换。

新手最常问的几个问题

Q：转换出来的 Markdown 会不会丢失格式信息？A：常见的排版元素都会保留：标题带锚点、加粗斜体删除线、表格含合并单元格、列表保留原始编号、脚注尾注也有。图片没法嵌进纯文本，会转成 alt 文本占位，原始字节仍可通过文档模型访问。

Q：PDF 转换需要 OCR 或外部服务吗？A：不需要。文字版 PDF 完全本地转换，不需要联网，也不用装任何 OCR 组件。如果你手里是扫描件，那就属于它的能力边界之外了。

Q：不同格式的转换质量一样吗？A：这正是 anydoc 的设计目标——所有格式共享同一套输出管线，doc 老古董和 pptx 新文件转出来的 Markdown 风格一致。项目在 bench/README.md 里放了与 LibreOffice、pandoc、mammoth 等工具的横向对比数据，覆盖格式最全，速度也明显领先。

Q：转坏了会怎样？A：只有文件确实无法产出有效内容时才会报错，而且错误类型分得很细：加密的、格式损坏的、不支持的、超过资源限制的，各归各类，方便你在批处理时逐个跳过、记录原因，不会让一个坏文件拖垮整个流程。