Skip to content
Office Oxide

Legacy DOC, XLS, PPT in OOXML konvertieren

Office Oxide ist die einzige Rust-/Python-Bibliothek, die Word 97–2003 (.doc), Excel 97–2003 (.xls) und PowerPoint 97–2003 (.ppt) liest und ihre modernen OOXML-Pendants schreibt — ohne JVM (Apache Tika), ohne externen Konverter (LibreOffice headless), ohne kommerzielle Lizenz (Aspose).

save_as erledigt die Konvertierung in einem Aufruf. Öffne die Legacy-Datei, speichere sie unter modernem Suffix; Office Oxide schickt sie durch die IR und schreibt einen frischen OOXML-Container.

Einzeiler

Rust

use office_oxide::Document;

Document::open("old.doc")?.save_as("modern.docx")?;
Document::open("old.xls")?.save_as("modern.xlsx")?;
Document::open("old.ppt")?.save_as("modern.pptx")?;

Python

from office_oxide import Document

with Document.open("old.doc") as doc:
    doc.save_as("modern.docx")

with Document.open("old.xls") as doc:
    doc.save_as("modern.xlsx")

with Document.open("old.ppt") as doc:
    doc.save_as("modern.pptx")

JavaScript

import { Document } from 'office-oxide';

using doc = Document.open('old.xls');
doc.saveAs('modern.xlsx');

Go

doc, _ := officeoxide.Open("old.xls")
defer doc.Close()
doc.SaveAs("modern.xlsx")

C#

using var doc = Document.Open("old.xls");
doc.SaveAs("modern.xlsx");

Massenmigration

Korpus in einer Zeile migrieren.

Python

from pathlib import Path
from office_oxide import Document

for src in Path("legacy").rglob("*"):
    if src.suffix.lower() in {".doc", ".xls", ".ppt"}:
        new_ext = {".doc": ".docx", ".xls": ".xlsx", ".ppt": ".pptx"}[src.suffix.lower()]
        dst = Path("modern") / src.relative_to("legacy").with_suffix(new_ext)
        dst.parent.mkdir(parents=True, exist_ok=True)
        with Document.open(src) as doc:
            doc.save_as(dst)
        print(f"{src} → {dst}")

Rust

use office_oxide::Document;
use std::path::Path;

fn migrate(src: &Path, dst: &Path) -> office_oxide::Result<()> {
    Document::open(src)?.save_as(dst)?;
    Ok(())
}

Wickle die Schleife in rayon ein für parallele Migration großer Korpora.

Shell — über das CLI

find legacy/ -iname '*.doc' | parallel \
  'office-oxide convert {} modern/{/.}.docx'

find legacy/ -iname '*.xls' | parallel \
  'office-oxide convert {} modern/{/.}.xlsx'

find legacy/ -iname '*.ppt' | parallel \
  'office-oxide convert {} modern/{/.}.pptx'

Was den Round-Trip übersteht

Office Oxide bewahrt die Inhaltsform — Absätze, Tabellen, Zellen, Folien, Listen, Überschriften — und die enthaltenen Werte. Ein paar Kategorien wandern nicht mit, weil Legacy-Formate sie in proprietären Strukturen kodieren, die die IR nicht modelliert:

Kategorie Übertragen Anmerkungen
Absatztext ✓ Inklusive Bold-/Italic-/Underline-Runs
Listen ✓ Geordnet + ungeordnet
Tabellen ✓ Zellen, Zeilenreihenfolge, Header-Zeile
XLSX-Zellwerte (string, number, bool) ✓ —
Sheet-Namen ✓ —
Folientitel + Body ✓ —
Hyperlinks ✓ —
Bilder partial DOC/PPT bewahren Inline-Bilder; XLS-Bild-Anker werden gedroppt
Kommentare / Revisionen — Änderungsverfolgung wird flachgemacht
Formeln (XLS) nur Werte Gecachte Formel-Ergebnisse überleben; Formel-Ausdrücke nicht
WordArt, SmartArt, Diagramme — Im Zielformat neu rendern, falls benötigt
Verschlüsselung — Legacy-Datei vorher entschlüsseln (z. B. via LibreOffice)

Für die meisten LLM-, Indexing- und Archiv-Use-Cases zählt die Inhaltsebene — und Office Oxide gibt dir in Millisekunden eine voll editierbare DOCX/XLSX/PPTX zurück.

Performance

Pro-Datei-Konvertierung läuft in derselben Größenordnung wie Textextraktion. Bei einer typischen Word-97-.doc rechne mit einstelligen Millisekunden end-to-end.

Siehe auch