Firecrawl、オフィス文書やPDFをMarkdownへ変換する「anydoc」をオープンソースで公開 | gihyo.jp
この記事で分かること
オフィス文書やPDFをMarkdownへ変換したいときに使えるオープンソースのツールが分かる。ローカル実行が可能なため、外部送信を避けたい文書をそのままLLM向けのテキスト化に回せる選択肢になる。
詳細要約
オフィス文書やPDFをローカル環境でMarkdownへ変換できるRust製ライブラリがオープンソース公開され、CLIやNode.js/Python/Rustから無償で利用できる。Word、Excel、PowerPoint、PDFなどをGFM形式へ変換するが、非PDF形式の埋め込み画像はMarkdown画像として出力されず、代替テキストがあればその文字列だけが本文化される。PDF変換は文字情報を抽出できるものに限られ、スキャン文書など画像のみのPDFにはOCRが必要。OCR込みの変換はホスト型API側で提供される。