Dokumentkonvertering til Markdown med Node.js

Hvis du bygger en Node.js-applikation, der indlæser dokumenter uploadet af brugere, har du sikkert kigget på en mappe fuld af PDF'er, DOCX-filer og PPTX-præsentationer og tænkt: hvordan normaliserer jeg alt dette til noget, som min LLM-pipeline faktisk kan bruge?

Dette indlæg gennemgår brugen af AnyMD's REST API fra Node.js — med fetch, axios, TypeScript-typer, streaming og Express middleware-mønstre til dokument-til-Markdown-konvertering i produktionsskala.

Hvorfor Markdown fra Node.js?

Node.js-apps håndterer filuploads naturligt — Multer, Busboy, Express middleware. Men at konvertere disse uploads til ren, struktureret tekst til RAG-pipelines eller AI-træningsdata betyder normalt tunge native bindings (PyMuPDF, LibreOffice, pandoc), som ikke hører hjemme i en JS-runtime.

AnyMD giver dig et stateless HTTP-API. Ét kald, ét svar, ren Markdown. Ingen native afhængigheder, ingen serverbaserede formatbiblioteker, ingen Python-underprocesser i din Node.js-app.

Kom hurtigt i gang med fetch (ingen afhængigheder)

Node.js 18+ leverer fetch globalt. Den enkleste engangskonvertering:

const fs = require("fs");
const { readFile } = require("fs/promises");

async function convertToMarkdown(filePath, apiKey) {
  const form = new FormData();
  form.set("file", new Blob([await readFile(filePath)]), filePath);

  const resp = await fetch("https://anymd.net/api/convert", {
    method: "POST",
    headers: { Authorization: `Bearer ${apiKey}` },
    body: form,
  });

  if (!resp.ok) {
    throw new Error(`AnyMD error ${resp.status}: ${await resp.text()}`);
  }

  return await resp.text();
}

// Usage
const md = await convertToMarkdown("report.docx", "your-api-key");
console.log(md);

Det er det. AnyMD registrerer automatisk formatet ud fra filtypen og returnerer GitHub-Flavored Markdown.

TypeScript med typede svar

Til TypeScript-projekter kan du tilføje korrekte returtyper og fejlhåndtering:

interface ConversionResult {
  markdown: string;
  format: string;
  pages: number;
  duration: number;
}

interface ConversionError {
  status: number;
  message: string;
}

async function convertToMarkdownTyped(
  filePath: string,
  apiKey: string
): Promise<ConversionResult> {
  const form = new FormData();
  const buffer = await fs.promises.readFile(filePath);
  form.set("file", new Blob([buffer]), filePath);

  const start = performance.now();
  const resp = await fetch("https://anymd.net/api/convert", {
    method: "POST",
    headers: { Authorization: `Bearer ${apiKey}` },
    body: form,
  });
  const duration = performance.now() - start;

  if (!resp.ok) {
    const err: ConversionError = {
      status: resp.status,
      message: await resp.text(),
    };
    throw err;
  }

  return {
    markdown: await resp.text(),
    format: filePath.split(".").pop() || "unknown",
    pages: parseInt(resp.headers.get("X-Pages") || "0", 10),
    duration: Math.round(duration),
  };
}

Express middleware til upload-endpoints

Sådan kobler du AnyMD til en Express-server med Multer til filuploads:

import express from "express";
import multer from "multer";
import fs from "fs/promises";

const app = express();
const upload = multer({ dest: "/tmp/uploads/" });
const ANYMD_API = "https://anymd.net/api/convert";

app.post("/upload", upload.single("file"), async (req, res) => {
  try {
    const apiKey = req.headers["authorization"]?.replace("Bearer ", "");
    if (!apiKey) return res.status(401).json({ error: "Missing API key" });

    const form = new FormData();
    const buffer = await fs.readFile(req.file.path);
    form.set("file", new Blob([buffer]), req.file.originalname);

    const anymdResp = await fetch(ANYMD_API, {
      method: "POST",
      headers: { Authorization: `Bearer ${apiKey}` },
      body: form,
    });

    if (!anymdResp.ok) {
      return res.status(anymdResp.status).json({
        error: await anymdResp.text(),
      });
    }

    const markdown = await anymdResp.text();
    res.json({ markdown, pages: anymdResp.headers.get("X-Pages") });
  } catch (err) {
    res.status(500).json({ error: err.message });
  } finally {
    if (req.file) fs.unlink(req.file.path).catch(() => {});
  }
});

app.listen(3000);

Batchbehandling med axios og genforsøg

Når du har hundredvis af dokumenter at behandle, er sekventielle kald for langsomme. Her er en samtidig batchprocessor med axios:

import axios from "axios";
import FormData from "form-data";
import fs from "fs";
import path from "path";
import pLimit from "p-limit";

const API = "https://anymd.net/api/convert";

async function convertOne(filePath, apiKey) {
  const form = new FormData();
  form.append("file", fs.createReadStream(filePath), path.basename(filePath));

  for (let attempt = 0; attempt < 3; attempt++) {
    try {
      const resp = await axios.post(API, form, {
        headers: {
          ...form.getHeaders(),
          Authorization: `Bearer ${apiKey}`,
        },
        maxContentLength: 50 * 1024 * 1024,
        timeout: 30_000,
      });

      const outPath = filePath.replace(path.extname(filePath), ".md");
      fs.writeFileSync(outPath, resp.data);
      return { file: path.basename(filePath), ok: true };
    } catch (err) {
      if (attempt === 2) return { file: path.basename(filePath), ok: false, error: err.message };
      const delay = Math.pow(1.5, attempt) * 1000;
      await new Promise(r => setTimeout(r, delay));
    }
  }
}

async function batchConvert(dir, apiKey, concurrency = 10) {
  const files = fs.readdirSync(dir).filter(f =>
    /\.(docx|pdf|pptx|xlsx|epub|odt|rtf)$/i.test(f)
  );
  const limit = pLimit(concurrency);
  const results = await Promise.all(
    files.map(f => limit(() => convertOne(path.join(dir, f), apiKey)))
  );

  const ok = results.filter(r => r.ok).length;
  console.log(`${ok}/${results.length} converted`);
  return results;
}

await batchConvert("./documents", "your-api-key", 10);

Streaming af store dokumenter

Til dokumenter over 10 MB bør du bruge streaming-endpointet for at undgå at buffer hele Markdown-outputtet i hukommelsen.

Sammenligning med lokale Node.js-biblioteker

Format	Node.js-bibliotek	AnyMD
DOCX	mammoth — ingen PPTX/PDF/XLSX-understøttelse	Ét API, 15+ formater
PDF	pdf-parse — mister tabeller og overskrifter	GFM, bevarer strukturen
PPTX	pptx2md — kun CLI, intet API	REST API, asynkron pipeline
XLSX	xlsx — CSV-eksport, ingen Markdown	Tabeller → GFM-tabeller
EPUB	epub2md — ikke vedligeholdt siden 2022	Aktivt, versionsstyret API

Ydelse: Node.js kommunikerer med Rust

AnyMD kører på en Rust/Axum-backend.

Format	Dokumentstørrelse	AnyMD (ms)	Lokalt bibliotek (ms)
DOCX	50 KB (10 sider)	280	620 (mammoth)
PDF	120 KB (15 sider)	410	2,100 (pdf-parse)
PPTX	200 KB (20 slides)	520	1,800 (pptx2md)
XLSX	80 KB (5 ark)	340	950 (xlsx + manuel formatering)

Fra Markdown til en RAG-pipeline

Når din Node.js-app har ren Markdown, er næste trin chunking og embedding til vektorsøgning. AnyMD-output er det ideelle input til semantisk chunking — grænser ved overskrifter, listestruktur og tabeloverskrifter bevares.

Priser

Plan	Sider/måned	Maksimal filstørrelse	Pris
Gratis	100	10 MB	$0
Starter	500	25 MB	$19
Pro	5,000	50 MB	$99
Enterprise	Tilpasset	Tilpasset	Tilpasset

Et typisk dokument konverteres på under 0,5 sekund. 100 gratis sider om måneden — intet kreditkort påkrævet.

Få din gratis API-nøgle og begynd at konvertere dokumenter til Markdown fra Node.js i dag.