TL;DR

anydoc은 여러 Office 문서와 PDF를 Rust 기반 공통 Document 모델로 변환한 뒤 일관된 GitHub-Flavored Markdown을 출력하는 library-SDK다. Rust crate, Node.js와 Python bindings, WebAssembly, CLI, Agent Skill을 함께 제공해 서버 pipeline, 스크립트, 브라우저, coding agent에서 같은 변환 경로를 사용할 수 있다. 형식 내부 marker 기반 detection, 표와 각주 및 embedded assets 처리, Node.js event loop 비차단과 Python GIL 해제가 주요 구현 특징이다. README 벤치마크에서는 14개 형식 지원과 4.4ms median, score 81을 기록했지만 image-only PDF의 OCR과 암호화 문서 처리는 지원하지 않는다.

핵심 포인트

• anydoc은 Word, PowerPoint, Excel, OpenDocument, RTF, EPUB, CSV, PDF를 하나의 Rust 문서 모델로 파싱한 뒤 공통 GFM Markdown serializer로 변환하는 library-SDK이다. 입력 확장자가 아니라 PDF header, RTF open group, OLE stream, ZIP mimetype 같은 파일 내부 marker를 먼저 읽어 형식을 판별한다. 여러 문서 형식을 받는 ingestion pipeline에서 출력 구조와 escaping 규칙을 통일하려는 경우에 적합하다.
• 핵심 처리는 형식별 parser가 blocks, inlines, tables, footnotes, assets를 공유 Document 모델로 모은 뒤 단일 serializer가 Markdown을 생성하는 방식이다. 표의 merged cells와 header rows, 중첩 목록, 내부 cross-reference, speaker notes, embedded asset의 media type까지 공통 모델에서 다룬다. 특정 형식에서 발견한 table-escaping 수정이 다른 형식에도 적용되므로 형식별 출력 차이를 별도로 보정하는 코드가 줄어든다.
• Rust core 위에 CLI, Node.js binding, Python binding, WebAssembly binding을 제공해 배치 변환부터 애플리케이션 내 처리와 브라우저 로컬 변환까지 같은 기능을 사용할 수 있다. Node.js는 libuv thread pool에서 변환하고 Python은 GIL을 해제하며 TypeScript types와 Python stubs도 함께 배포한다. 브라우저 WebAssembly demo는 파일을 로컬에서 변환해 파일이 외부로 전송되지 않는 사용 경로를 제공한다.
• README 벤치마크에서 14개 형식을 모두 지원하고 median conversion time 4.4ms, 종합 score 81을 기록했으며 비교 대상 중 지원 형식 수와 judged format별 점수가 가장 높았다. 다만 image-only PDF는 OCR 없이 Unsupported로 처리되고 encrypted 또는 password-protected 파일도 Encrypted 오류가 발생한다. 스캔 문서 OCR이 필요하면 anydoc 단독보다 Firecrawl Parse의 OCR models가 포함된 hosted API가 맞다.

벤치마크