Skip to content
Office Oxide

Legacy-Dateien DOC, XLS, PPT nach OOXML konvertieren

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

save_as erledigt die Konvertierung mit einem einzigen Aufruf. Öffne die Legacy-Datei und speichere sie mit der modernen Erweiterung; Office Oxide leitet sie durch das 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");

C

int err = 0;
OfficeDocumentHandle *doc = office_document_open("old.xls", &err);
if (!doc) { fprintf(stderr, "open failed: code=%d\n", err); return 1; }

/* target format inferred from the extension; legacy -> OOXML converts transparently */
if (office_document_save_as(doc, "modern.xlsx", &err) != 0) {
    fprintf(stderr, "save_as failed: code=%d\n", err);
}
office_document_free(doc);

Massenkonvertierung

Ganze Dateisammlungen mit einer einzigen Zeile migrieren.

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(())
}

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}")

C

/* migrate one file: open from path, save_as routes by the dst extension */
int migrate(const char *src, const char *dst) {
    int err = 0;
    OfficeDocumentHandle *doc = office_document_open(src, &err);
    if (!doc) return err;
    int rc = office_document_save_as(doc, dst, &err);
    office_document_free(doc);
    return rc == 0 ? 0 : err;
}

Für parallele Verarbeitung großer Sammlungen den Loop in rayon einwickeln.

Shell — per 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 bei der Konvertierung erhalten bleibt

Office Oxide bewahrt die Inhaltsstruktur — Absätze, Tabellen, Zellen, Folien, Listen, Überschriften — und die darin enthaltenen Werte. Einige Kategorien gehen verloren, weil die Legacy-Formate sie in proprietären Strukturen kodieren, die das IR nicht abbildet:

Kategorie Erhalten Hinweise
Absatztext ✓ Einschließlich Fett/Kursiv/Unterstrichen
Listen ✓ Geordnet + ungeordnet
Tabellen ✓ Zellen, Zeilenreihenfolge, Kopfzeile
XLSX-Zellwerte (string, number, bool) ✓ —
Tabellenblattnamen ✓ —
Folientitel + Inhalt ✓ —
Hyperlinks ✓ —
Bilder teilweise DOC/PPT behalten eingebettete Bilder; XLS-Bildverankerungen gehen verloren
Kommentare / Revisionen — Nachverfolgte Änderungen werden eingearbeitet
Formeln (XLS) nur Werte Zwischengespeicherte Ergebnisse bleiben erhalten; Formelausdrücke nicht
WordArt, SmartArt, Diagramme — Im Zielformat bei Bedarf neu erstellen
Verschlüsselung — Legacy-Datei zuerst entschlüsseln (z. B. über LibreOffice)

Für die meisten LLM-, Indexierungs- und Archivierungsszenarien ist die inhaltliche Treue das Entscheidende — und Office Oxide liefert ein vollständig bearbeitbares DOCX/XLSX/PPTX in Millisekunden.

Leistung

Die Konvertierung pro Datei läuft in derselben Größenordnung wie die Textextraktion. Bei einer typischen Word-97-Datei (.doc) ist mit einstelligen Millisekunden von Ende zu Ende zu rechnen.

Siehe auch