convert-documents-to-markdown

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

Convert documents to Markdown

将文档转换为Markdown

Run the anydoc CLI. It needs Node 20+ and no install:

bash

npx -y @firecrawl/anydoc <file>              # Markdown to stdout
npx -y @firecrawl/anydoc <file> -o out.md    # write to a file
npx -y @firecrawl/anydoc - --format csv < f  # read stdin

Rules:

Supported inputs:

.doc

.docx

.docm

.odt

.rtf

.epub

.pdf

.ppt

.pps

.pot

.pptx

.pptm

.ppsx

.ppsm

.odp

.xls

.xlsx

.xlsm

.xlsb

.ods

.csv

The format is detected from the file content. Pass
```
--format <name>
```
only when detection cannot work: CSV from stdin, or a missing or wrong extension.
Exit codes: 0 success, 1 the document could not be converted, 2 usage error. Failures print one
```
anydoc: <message>
```
line to stderr. The CLI never prompts.
For a large document, write to a file with
```
-o
```
and read the parts you need instead of streaming everything into context.
Scanned and image-only PDFs need OCR, which anydoc does not do; they fail as unsupported. The hosted Firecrawl Parse API handles those.
Inside a Node, Python, or Rust codebase, prefer the library over shelling out:
```
@firecrawl/anydoc
```
on npm,
```
firecrawl-anydoc
```
on PyPI,
```
anydoc
```
on crates.io. Each exposes the same
```
to_markdown
```
/
```
toMarkdown
```
API.

运行anydoc CLI。它需要Node 20+环境，无需安装：

bash

npx -y @firecrawl/anydoc <file>              # 将Markdown输出到标准输出
npx -y @firecrawl/anydoc <file> -o out.md    # 写入到文件
npx -y @firecrawl/anydoc - --format csv < f  # 从标准输入读取

规则：

支持的输入格式：

.doc

、

.docx

、

.docm

、

.odt

、

.rtf

、

.epub

、

.pdf

、

.ppt

、

.pps

、

.pot

、

.pptx

、

.pptm

、

.ppsx

、

.ppsm

、

.odp

、

.xls

、

.xlsx

、

.xlsm

、

.xlsb

、

.ods

、

.csv

。

格式会从文件内容自动检测。仅当检测失效时才需传入
```
--format <name>
```
参数：比如从标准输入读取CSV，或文件扩展名缺失、错误的情况。
退出码：0表示成功，1表示文档无法转换，2表示使用错误。失败时会向标准错误输出一行
```
anydoc: <message>
```
信息。CLI不会进行任何提示。
对于大型文档，请使用
```
-o
```
参数写入文件，然后按需读取所需部分，而非将所有内容流式传输到上下文。
扫描件和纯图片PDF需要OCR处理，anydoc不支持此功能，这类文件会转换失败。托管的Firecrawl Parse API可处理此类文件。
在Node、Python或Rust代码库中，优先使用对应库而非调用shell命令：npm上的
```
@firecrawl/anydoc
```
、PyPI上的
```
firecrawl-anydoc
```
、crates.io上的
```
anydoc
```
。每个库都提供相同的
```
to_markdown
```
/
```
toMarkdown
```
API。