标签
Firecrawl 团队用 Rust 开发了 anydoc，一个可将 Word、PPT、Excel 等 14 种办公格式快速转换为统一 Markdown 的开源库，中位转换速度不到 5 毫秒，支持 Node.js、Python 和浏览器（WASM）使用。
一个用 Rust 编写的库，可将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 文档转换为 Markdown，可通过 npm、Python 和 CLI 使用，并强调其对 LLM 的实用性。
John MacFarlane 回顾了 Pandoc 二十年的发展历程，这款通用文档转换器从 2006 年基于 Haskell 起步，到如今被全球学术和写作工具广泛采用。
Klartext 是一款免费、注重隐私的在线工具，可将 PDF、扫描件、照片、Word、Excel 和 PowerPoint 文件转换为 Markdown（以及 JSON），整个过程完全在其自有服务器上进行，24 小时后自动删除，且不依赖任何外部 AI/OCR 服务。
Marker 是一个开源工具，可以将 PDF、图像和其他文档格式快速准确地转换为 markdown、JSON、chunks 和 HTML，并可选择使用 LLM 增强。
Marker 2 已发布，与 mineru、docling 和 liteparse 相比，将 PDF、图片和 DOCX 转换为 markdown 的速度快达5倍，且准确度更高。
Pandoc Lua过滤器允许用户使用Lua脚本操作Pandoc AST，提供了一种轻量级的替代方案，无需外部依赖即可替代基于JSON的过滤器。
一个开源工具可将PDF、DOCX、PPTX、XLSX、EPUB及图像转换为Markdown，速度达122页/秒，支持表格、公式和表单，可在GPU、CPU或Mac上运行。
本文介绍了5个将文档转换为AI可读格式的开源工具：Stirling-PDF、MinerU、docling、marker和OCRmyPDF，分别针对PDF编辑、复杂文档转Markdown、文档结构化输出、高精度PDF转Markdown以及扫描件OCR处理。
介绍开源文档转换神器Pandoc，由哲学教授约翰·麦克法兰用业余时间开发，支持50多种格式互转，免费、开源、纯本地运行。
本文介绍了 Pandoc，一款由加州大学伯克利分校哲学教授 John MacFarlane 创建的自由开源文档转换工具。它能在本地转换超过50种格式，无需上传文件，既节省时间又保护隐私。
介绍了五个开源工具（MarkItDown、MinerU、Docling、marker、surya），用于将PDF、Office文档等转换为Markdown或JSON，以便直接供RAG或AI代理使用。
微软发布了MarkItDown，一个开源的Python库，可将任何文档转换为Markdown，以便与LLM配合使用。
微软推出MarkItDown工具，旨在将各种文档格式（如PDF、Word、Excel）转换为Markdown，以方便大模型和RAG系统处理企业数据。
微软开源了 MarkItDown，一个轻量级 Python 工具，可将 PDF、Word、PPT、Excel、HTML 和图片等文件一键转换为干净的结构化 Markdown 文本，方便用于 AI 摘要、数据分析、知识库构建等场景。
该工具允许用户将文档（docx、PPT、pdf、md）转换为HTML格式，并利用AI agent CLI进行编辑，支持多种输出格式，本地优先，开源。