Documentconversie naar Markdown met Node.js

Als je een Node.js-app bouwt die door gebruikers geüploade documenten verwerkt, heb je waarschijnlijk weleens naar een map vol PDF's, DOCX-bestanden en PPTX-presentaties gekeken en gedacht: hoe normaliseer ik dit allemaal naar iets dat mijn LLM-pipeline echt kan gebruiken?

Dit artikel laat zien hoe je de REST API van AnyMD vanuit Node.js gebruikt — met fetch, axios, TypeScript-types, streaming en Express-middlewarepatronen voor document-naar-Markdown-conversie op productieschaal.

Waarom Markdown vanuit Node.js?

Node.js-apps verwerken bestandsuploads van nature goed — Multer, Busboy, Express-middleware. Maar die uploads omzetten in schone, gestructureerde tekst voor RAG-pipelines of AI-trainingsdata betekent meestal zware native bindings (PyMuPDF, LibreOffice, pandoc) binnenhalen die niet thuishoren in een JS-runtime.

AnyMD geeft je een stateless HTTP-API. Eén call, één antwoord, schone Markdown. Geen native dependencies, geen server-side formaatbibliotheken en geen Python-subprocessen in je Node.js-app.

Snel starten met fetch (geen dependencies)

Node.js 18+ levert fetch globaal mee. De eenvoudigste eenmalige conversie:

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);

Dat is alles. AnyMD detecteert het formaat automatisch aan de bestandsextensie en retourneert GitHub-Flavored Markdown.

TypeScript met getypeerde responses

Voeg voor TypeScript-projecten goede returntypes en foutafhandeling toe:

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 voor upload-endpoints

Zo koppel je AnyMD aan een Express-server met Multer voor bestandsuploads:

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);

Batchverwerking met axios en retries

Als je honderden documenten moet verwerken, zijn sequentiële calls te traag. Hier is een parallelle batchprocessor met 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);

Grote documenten streamen

Gebruik voor documenten boven 10 MB het streaming-endpoint, zodat je niet de volledige Markdown-uitvoer in het geheugen hoeft te bufferen.

Vergelijking met lokale Node.js-bibliotheken

Formaat	Node.js-bibliotheek	AnyMD
DOCX	mammoth — geen ondersteuning voor PPTX/PDF/XLSX	Eén API, 15+ formaten
PDF	pdf-parse — verliest tabellen en koppen	GFM, behoudt structuur
PPTX	pptx2md — alleen CLI, geen API	REST API, asynchrone pipeline
XLSX	xlsx — CSV-export, geen Markdown	Tabellen → GFM-tabellen
EPUB	epub2md — niet onderhouden sinds 2022	Actieve, geversioneerde API

Prestaties: Node.js praat met Rust

AnyMD draait op een Rust/Axum-backend.

Formaat	Documentgrootte	AnyMD (ms)	Lokale bibliotheek (ms)
DOCX	50 KB (10 pagina's)	280	620 (mammoth)
PDF	120 KB (15 pagina's)	410	2,100 (pdf-parse)
PPTX	200 KB (20 dia's)	520	1,800 (pptx2md)
XLSX	80 KB (5 werkbladen)	340	950 (xlsx + handmatige opmaak)

Van Markdown naar een RAG-pipeline

Zodra je Node.js-app schone Markdown heeft, is de volgende stap chunking en embedding voor vector search. AnyMD-uitvoer is de ideale invoer voor semantische chunking — kopgrenzen, lijststructuur en tabelkoppen blijven behouden.

Prijzen

Abonnement	Pagina's/maand	Maximale bestandsgrootte	Prijs
Gratis	100	10 MB	$0
Starter	500	25 MB	$19
Pro	5,000	50 MB	$99
Enterprise	Maatwerk	Maatwerk	Maatwerk

Een typisch document wordt in minder dan 0,5 seconde geconverteerd. 100 gratis pagina's per maand — geen creditcard vereist.

Ontvang je gratis API-sleutel en begin vandaag nog met het converteren van documenten naar Markdown vanuit Node.js.