Skip to content
Office Oxide

Converter DOC, XLS, PPT legados para OOXML

Office Oxide é a única biblioteca em Rust ou Python capaz de ler Word 97–2003 (.doc), Excel 97–2003 (.xls) e PowerPoint 97–2003 (.ppt) e escrever os equivalentes modernos em OOXML — sem JVM (Apache Tika), sem conversor externo (LibreOffice headless) e sem licença comercial (Aspose).

save_as faz a conversão em uma única chamada. Abra o arquivo legado e salve com a extensão moderna; o Office Oxide o processa via IR e grava um contêiner OOXML novo.

Uma linha resolve

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);

Migração em massa

Migre um acervo inteiro com uma única linha de código.

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;
}

Para migração paralela de grandes acervos, envolva o loop com rayon.

Shell — usando o 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'

O que sobrevive à conversão

Office Oxide preserva a estrutura do conteúdo — parágrafos, tabelas, células, slides, listas, títulos — e os valores neles contidos. Algumas categorias não são transferidas porque os formatos legados as armazenam em estruturas proprietárias que o IR não modela:

Categoria Preservado Observações
Texto de parágrafos ✓ Incluindo negrito/itálico/sublinhado
Listas ✓ Ordenadas + não ordenadas
Tabelas ✓ Células, ordem das linhas, linha de cabeçalho
Valores de células XLSX (string, número, bool) ✓ —
Nomes de planilhas ✓ —
Títulos de slides + corpo ✓ —
Hyperlinks ✓ —
Imagens parcial DOC/PPT preservam imagens incorporadas; âncoras de imagem no XLS são descartadas
Comentários / revisões — Alterações rastreadas são incorporadas ao texto
Fórmulas (XLS) apenas valores Resultados em cache são preservados; expressões de fórmula não sobrevivem
WordArt, SmartArt, gráficos — Recrie no formato de destino se necessário
Criptografia — Descriptografe o arquivo legado antes (ex.: via LibreOffice)

Para a maioria dos casos de LLM, indexação e arquivamento, o que importa é a fidelidade no nível do conteúdo — e o Office Oxide entrega um DOCX/XLSX/PPTX totalmente editável em milissegundos.

Desempenho

A conversão por arquivo ocorre na mesma ordem de grandeza que a extração de texto. Em um .doc típico do Word 97, espere milissegundos de um dígito do início ao fim.

Veja também