Biblioteca Rust e CLI que classifica PDFs como textuais ou digitalizados e extrai Markdown limpo, sem OCR por padrão.
19,7 mil1,3 milRustMITAtualizado há 12 dias
firecrawl/anydoc
Converte documentos do Office, PDFs, EPUB e CSV em Markdown compatível com GitHub usando bindings para Rust, Node.js, Python e WASM.
Alternativa open source a:Pandoc
Adobe Acrobat
- Estrelas
- 22,938
- Forks
- 1,478
- Issues abertas
- 113
- Último commit
- há 14 horas
O que é?
anydoc é uma biblioteca Rust que converte arquivos Word (.doc, .docx), PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV e PDF em Markdown compatível com GitHub. Cada formato é analisado em um modelo de documento compartilhado e renderizado por um único serializador Markdown, para que caracteres de escape, tabelas, títulos e notas de rodapé tenham o mesmo resultado, independentemente do formato de entrada.
A saída preserva títulos, formatação em linha, listas aninhadas, tabelas com células mescladas, notas de rodapé, notas do apresentador e equações, renderizadas como LaTeX. Os formatos são detectados pelo conteúdo dos arquivos, não pela extensão. PDFs baseados em texto são convertidos localmente, enquanto páginas digitalizadas podem ser enviadas para OCR hospedado pelo Firecrawl Parse.
Há bindings para Node.js, Python, navegador via WebAssembly e uma ferramenta de linha de comando que pode ser executada com npx. O projeto é licenciado sob a MIT.
Recursos principais
- 01Converte arquivos Word, PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV e PDF para Markdown.
- 02Analisa todos os formatos em um modelo compartilhado, usando um único serializador Markdown.
- 03Preserva tabelas com células mescladas, listas aninhadas, notas de rodapé e notas do apresentador.
- 04Renderiza equações como blocos matemáticos LaTeX e expressões em linha.
- 05Detecta os formatos pelo conteúdo dos arquivos, permitindo converter até arquivos com extensões incorretas.
- 06Converte PDFs baseados em texto localmente, com OCR hospedado opcional para páginas digitalizadas.
Casos de uso
- Alimentar um pipeline de LLM ou RAG com documentos variados do Office em formato Markdown.
- Converter documentos em um backend Node.js ou Python sem serviços externos.
- Adicionar leitura de documentos a agentes de IA usando o Agent Skill incluído.
- Executar a conversão de documentos para Markdown no navegador sem enviar arquivos.
Tópicos
Perguntas frequentes
- O que é anydoc?
- Converte documentos do Office, PDFs, EPUB e CSV em Markdown compatível com GitHub usando bindings para Rust, Node.js, Python e WASM. anydoc é uma biblioteca Rust que converte arquivos Word (.doc, .docx), PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV e PDF em Markdown compatível com GitHub. Cada formato é analisado em um modelo de documento compartilhado e renderizado por um único serializador Markdown, para que caracteres de escape, tabelas, títulos e notas de rodapé tenham o mesmo resultado, independentemente do formato de entrada.
- anydoc é gratuito? Qual é a licença?
- anydoc é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- anydoc ainda é mantido?
- Manutenção ativa. O último commit de anydoc foi em 18 de out. de 2026.
- Para que posso usar anydoc?
- Alimentar um pipeline de LLM ou RAG com documentos variados do Office em formato Markdown. Converter documentos em um backend Node.js ou Python sem serviços externos. Adicionar leitura de documentos a agentes de IA usando o Agent Skill incluído. Executar a conversão de documentos para Markdown no navegador sem enviar arquivos.
- Onde consigo anydoc?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/firecrawl/anydoc
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
API auto-hospedada que converte PDFs, imagens e documentos do Office em Markdown ou JSON estruturado usando OCR e LLMs hospedados no Ollama, com remoção opcional de dados pessoais.
3,2 mil279PythonMITAtualizado há 10 meses
Parser local e open source de PDFs e documentos, escrito em Rust, com extração de texto, caixas delimitadoras, saída em Markdown/JSON e OCR opcional.
12,9 mil885RustApache-2.0Atualizado há 6 dias
Crawler web de código aberto em Python que transforma qualquer site em Markdown limpo e pronto para LLMs, RAG, agentes de IA e pipelines de dados.
85,8 mil8,9 milPythonApache-2.0Atualizado há 4 dias
Agente open source de programação e pesquisa, baseado em um Python REPL persistente, subagentes recursivos e estado do harness que se aprimora para tarefas longas.
22,1 mil2,4 milRustOtherAtualizado há 16 horas
Um runtime seguro e privado que isola agentes de IA autônomos e aplica políticas declaradas para arquivos, chamadas de sistema e acesso à rede.
16,6 mil1,8 milRustApache-2.0Atualizado ontem