Harness 与 Agent 工程 · 文档解析、OCR与表格 · 2026-08-07

14 种文档格式转 Markdown,一个 Rust 库全搞定

Firecrawl 开源 Rust 库 anydoc,14种文档格式一键转 Markdown,无需多库拼接,实测速度碾压同类工具。 核心内容:

  1. 文档格式转换痛点与现有方案局限
  2. anydoc 库的功能覆盖与技术特性
  3. 实测性能表现及速度优势

给 AI 应用喂文档这件事,比想象中麻烦。

用户上传的永远是"他手头有什么":2003 年的 .doc 合同、2009 年的 .xls 导出表、一页 pitch deck、一本 .epub。AI 要读这些,得先变成干净的 Markdown。市面上每个库只覆盖一部分格式——官方基准里 markitdown 只跑通 6 种,pandoc 5 种,docling 4 种。想全支持,就把四五个库拼起来,每个都有自己的依赖、输出格式和失败方式。

前几天 Firecrawl 开源了 anydoc,想终结这件事:一个 Rust 库,14 种格式,一个输出格式。

● ● ●

一个库,14 种格式

anydoc 是 Firecrawl 开的第二个 Rust 解析库(第一个是 pdf-inspector,专做 PDF)。两个库分工明确:PDF 归 pdf-inspector,其他格式全归 anydoc。

支持清单:

8 大类、21 种扩展名(PDF 单独归 pdf-inspector),全部输出 GitHub Flavored Markdown。标题带锚点,表格带合并单元格,脚注、任务列表、演讲者备注都在。

没有 API key,没有系统依赖。Rust 代码里调 anydoc::to_markdown("report.docx") 就完事。Node、Python、WASM 绑定都有,npm 包零依赖。

● ● ●

实测:比宣传的还快

官方 README 说中位转换时间 4.4ms。我克隆下来在 WSL 上实测:

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/RAG/2026080762703.html