anydoc

anydoc 是 Firecrawl 近期开源的一个 Rust 库，上线一个月就狂揽 13000+ Star，热度相当高。它干的事很聚焦：把日常各种办公/文档格式——Word、PPT、Excel、PDF 等——一键转成干净的 Markdown。

为什么值得关注

做 RAG、知识库、文档问答的人对这件事太熟悉了：PDF 里藏着表格、页眉页脚、分栏，PPT 是图文混排，Excel 是结构化数据，手动提取既脏又慢。anydoc 的思路是用一套统一接口把这些格式先解析、再规整成 LLM 友好的 Markdown，省掉一堆胶水脚本。

从 Rust 视角看

Firecrawl 把这类"解析 + 清洗"的重活做成 Rust 库，图的是同样的工程红利：单二进制、跨平台一致、启动快、不依赖运行时。对调用方来说，它就是一个能嵌进自己 pipeline 的依赖，不需要懂底层解析细节，就像用 fd 的人不需要懂 rayon。

使用体验

• 开箱即用：作为 Rust crate 引入，也能当命令行工具直接跑，把文件路径丢进去就出 Markdown。
• 覆盖广：Word / PPT / Excel / PDF 主流格式都支持，输出以干净正文为主，尽量剥离版式噪音。
• 易集成：输出是标准 Markdown，正好喂给向量库、笔记工具或大模型上下文。

适用场景

• 给知识库/RAG 做文档预处理，把散落的 Office 与 PDF 批量变成可检索文本。
• 写脚本批量把汇报材料、合同、表格转成 Markdown 归档。
• 在 Rust 项目里内嵌文档解析能力，避免再接一套 Python 服务。

一句话总结

anydoc 不重新发明文档格式，它把"格式→Markdown"这条最烦的链路做成了随手可用的 Rust 库：文档不用愁，转一下就干净。