AnyDoc 万能文档转 HTML/Markdown 工具
来源：github.com — firecrawl/anydoc · ⭐ 10,554 · Rust
📋 概述
AnyDoc 是 Firecrawl 推出的通用文档转换库，用 Rust 编写，能把 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 等数十种常见格式统一转换为干净的 HTML 与 Markdown。它专为 AI Agent 和下游处理工具设计，让智能体不再被某种专有文档格式卡住、无法读取。对需要做文档解析、检索增强或数据抽取的开发者来说，AnyDoc 相当于一个统一的「格式转换网关」。核心卖点是输出结构干净、可预测，方便机器直接消费。
🔑 核心要点
- 多格式统一转换：无论输入是 Word、Excel、PowerPoint 还是 PDF、EPUB，AnyDoc 都把不同来源归一到同样的中间结构，省去为每种格式分别写解析器的重复劳动。
- 输出干净的 HTML 与 Markdown：转换结果保留标题、列表、表格等语义结构，去掉原始文件里的排版噪音，既适合人阅读，也适合后续做文本抽取。
- 面向 AI Agent 的文档解析：输出格式对 LLM 友好，Agent 可以直接把转换后的文本塞进上下文做问答、摘要或总结，避免被复杂二进制格式卡住。
- 高性能 Rust 实现：底层用 Rust 编写，解析大量文档时吞吐与稳定性更好，适合在服务端做批量的文档预处理管线。
💡 金句
别再让文档格式挡住 AI 的阅读——AnyDoc 把它们统一变成干净的文本。
👍 0
👎 0
← 返回 GitHub Trending 首页