Dokumentkonvertierung in Markdown mit Node.js

Wenn du eine Node.js-Anwendung entwickelst, die von Nutzern hochgeladene Dokumente einliest, hast du wahrscheinlich schon auf einen Ordner voller PDFs, DOCX-Dateien und PPTX-Präsentationen geschaut und dich gefragt: Wie normalisiere ich all das in ein Format, das meine LLM-Pipeline tatsächlich verwenden kann?

Dieser Beitrag zeigt die Nutzung der REST-API von AnyMD aus Node.js — mit fetch, axios, TypeScript-Typen, Streaming und Express-Middleware-Mustern für die Dokument-zu-Markdown-Konvertierung im Produktionsmaßstab.

Warum Markdown aus Node.js?

Node.js-Anwendungen verarbeiten Datei-Uploads ganz selbstverständlich — Multer, Busboy, Express-Middleware. Um diese Uploads jedoch in sauberen, strukturierten Text für RAG-Pipelines oder KI-Trainingsdaten umzuwandeln, braucht man meist schwere native Bindings (PyMuPDF, LibreOffice, pandoc), die nicht in eine JS-Laufzeit gehören.

AnyMD bietet dir eine zustandslose HTTP-API. Ein Aufruf, eine Antwort, sauberes Markdown. Keine nativen Abhängigkeiten, keine serverseitigen Formatbibliotheken, keine Python-Subprozesse in deiner Node.js-Anwendung.

Schnellstart mit fetch (ohne Abhängigkeiten)

Node.js 18+ stellt fetch global bereit. Die einfachste einmalige Konvertierung:

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);

Das war's. AnyMD erkennt das Format automatisch anhand der Dateiendung und gibt GitHub-Flavored Markdown zurück.

TypeScript mit typisierten Antworten

Für TypeScript-Projekte ergänzt du passende Rückgabetypen und Fehlerbehandlung:

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 für Upload-Endpunkte

So bindest du AnyMD mit Multer für Datei-Uploads in einen Express-Server ein:

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);

Stapelverarbeitung mit axios und Wiederholungsversuchen

Wenn du Hunderte Dokumente verarbeiten musst, sind sequenzielle Aufrufe zu langsam. Hier ist ein paralleler Batch-Prozessor mit 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 großer Dokumente

Für Dokumente über 10 MB solltest du den Streaming-Endpunkt verwenden, damit nicht die gesamte Markdown-Ausgabe im Speicher gepuffert werden muss.

Vergleich mit lokalen Node.js-Bibliotheken

Format	Node.js-Bibliothek	AnyMD
DOCX	mammoth — keine Unterstützung für PPTX/PDF/XLSX	Eine API, mehr als 15 Formate
PDF	pdf-parse — verliert Tabellen und Überschriften	GFM, erhält die Struktur
PPTX	pptx2md — nur CLI, keine API	REST-API, asynchrone Pipeline
XLSX	xlsx — CSV-Export, kein Markdown	Tabellen → GFM-Tabellen
EPUB	epub2md — seit 2022 nicht gepflegt	Aktive, versionierte API

Leistung: Node.js spricht mit Rust

AnyMD läuft auf einem Rust-/Axum-Backend.

Format	Dokumentgröße	AnyMD (ms)	Lokale Bibliothek (ms)
DOCX	50 KB (10 Seiten)	280	620 (mammoth)
PDF	120 KB (15 Seiten)	410	2,100 (pdf-parse)
PPTX	200 KB (20 Folien)	520	1,800 (pptx2md)
XLSX	80 KB (5 Tabellenblätter)	340	950 (xlsx + manuelle Formatierung)

Von Markdown zur RAG-Pipeline

Sobald deine Node.js-Anwendung sauberes Markdown hat, folgen Chunking und Embedding für die Vektorsuche. Die AnyMD-Ausgabe ist die ideale Eingabe für semantisches Chunking — Überschriftengrenzen, Listenstruktur und Tabellenköpfe bleiben erhalten.

Preise

Tarif	Seiten/Monat	Maximale Dateigröße	Preis
Kostenlos	100	10 MB	$0
Starter	500	25 MB	$19
Pro	5,000	50 MB	$99
Enterprise	Individuell	Individuell	Individuell

Ein typisches Dokument wird in weniger als 0,5 Sekunden konvertiert. 100 kostenlose Seiten pro Monat — keine Kreditkarte erforderlich.

Hol dir deinen kostenlosen API-Schlüssel und beginne noch heute, Dokumente aus Node.js in Markdown umzuwandeln.