Repolode
Enviar
firecrawl

firecrawl/anydoc

Convierte documentos de Office, PDF, EPUB y CSV a Markdown con formato de GitHub mediante enlaces para Rust, Node.js, Python y WASM.

Alternativa open source a:PandocAdobe Acrobat

Ver en GitHubSitio web
Estrellas
22,938
Forks
1,478
Issues abiertos
113
Último commit
hace 5 horas

¿Qué es?

anydoc es una biblioteca de Rust que convierte archivos Word (.doc, .docx), PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV y PDF a Markdown con formato de GitHub. Cada formato se analiza y se transforma en un modelo de documento compartido, que luego se renderiza con un único serializador de Markdown. Así, los caracteres de escape, las tablas, los encabezados y las notas al pie se procesan de la misma manera, independientemente del formato de entrada.

La salida conserva los encabezados, el formato en línea, las listas anidadas, las tablas con celdas combinadas, las notas al pie, las notas del orador y las ecuaciones, que se representan como LaTeX. Los formatos se detectan a partir del contenido del archivo, no de su extensión. Los PDF basados en texto se convierten localmente, mientras que las páginas escaneadas se pueden enviar al servicio de OCR alojado de Firecrawl Parse.

Hay enlaces para Node.js, Python y el navegador mediante WebAssembly, además de una herramienta de línea de comandos que se puede ejecutar con npx. El proyecto está publicado bajo la licencia MIT.

Funciones clave

  • 01Convierte archivos Word, PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV y PDF a Markdown.
  • 02Analiza todos los formatos con un modelo compartido y un único serializador de Markdown.
  • 03Conserva tablas con celdas combinadas, listas anidadas, notas al pie y notas del orador.
  • 04Representa las ecuaciones como bloques matemáticos y expresiones en línea de LaTeX.
  • 05Detecta los formatos a partir del contenido del archivo, por lo que también convierte archivos con etiquetas incorrectas.
  • 06Convierte localmente los PDF basados en texto y ofrece OCR alojado opcional para las páginas escaneadas.

Casos de uso

  • Incorporar documentos de oficina de distintos formatos a un LLM o a un flujo de RAG como Markdown.
  • Convertir documentos en un backend de Node.js o Python sin servicios externos.
  • Añadir lectura de documentos a agentes de IA mediante la Agent Skill incluida.
  • Convertir documentos a Markdown en el navegador sin subir los archivos.

Temas

#document-conversion#markdown#rust#pdf#office-documents#webassembly#llm

Preguntas frecuentes

¿Qué es anydoc?
Convierte documentos de Office, PDF, EPUB y CSV a Markdown con formato de GitHub mediante enlaces para Rust, Node.js, Python y WASM. anydoc es una biblioteca de Rust que convierte archivos Word (.doc, .docx), PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV y PDF a Markdown con formato de GitHub. Cada formato se analiza y se transforma en un modelo de documento compartido, que luego se renderiza con un único serializador de Markdown. Así, los caracteres de escape, las tablas, los encabezados y las notas al pie se procesan de la misma manera, independientemente del formato de entrada.
¿anydoc es gratuito? ¿Qué licencia tiene?
anydoc es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿anydoc sigue mantenido?
Mantenimiento activo. El último commit de anydoc fue el 18 oct 2026.
¿Para qué puedo usar anydoc?
Incorporar documentos de oficina de distintos formatos a un LLM o a un flujo de RAG como Markdown. Convertir documentos en un backend de Node.js o Python sin servicios externos. Añadir lectura de documentos a agentes de IA mediante la Agent Skill incluida. Convertir documentos a Markdown en el navegador sin subir los archivos.
¿Dónde consigo anydoc?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/firecrawl/anydoc

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados