Skip to content
Office Oxide

Конвертация legacy DOC, XLS, PPT в OOXML

Office Oxide — единственная библиотека на Rust или Python, которая читает Word 97–2003 (.doc), Excel 97–2003 (.xls), PowerPoint 97–2003 (.ppt) и пишет их современные OOXML-эквиваленты — без JVM (Apache Tika), без внешних конвертеров (LibreOffice headless), без коммерческой лицензии (Aspose).

save_as делает конвертацию одним вызовом. Откройте legacy-файл, сохраните с современным расширением — Office Oxide прогонит его через IR и запишет свежий OOXML-контейнер.

Однострочник

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");

Массовая миграция

Перевод корпуса в одну строку.

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(())
}

Заверните цикл в rayon для параллельной миграции крупных корпусов.

Shell — через 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'

Что переживает round-trip

Office Oxide сохраняет форму контента — абзацы, таблицы, ячейки, слайды, списки, заголовки — и значения внутри. Несколько категорий не переезжают, потому что legacy-форматы кодируют их в проприетарных структурах, которые IR не моделирует:

Категория Переезжает Заметки
Текст абзацев ✓ Включая bold/italic/underline-runs
Списки ✓ Нумерованные + маркированные
Таблицы ✓ Ячейки, порядок строк, шапка
Значения ячеек XLSX (string, number, bool) ✓ —
Имена листов ✓ —
Заголовки слайдов + body ✓ —
Гиперссылки ✓ —
Изображения partial DOC/PPT сохраняют inline-картинки; XLS-image-якоря дропаются
Комментарии / ревизии — Tracked changes сплющиваются
Формулы (XLS) только значения Кешированные результаты переживают; выражения формул — нет
WordArt, SmartArt, диаграммы — Если нужны — рендерите в целевом формате заново
Шифрование — Дешифруйте legacy-файл заранее (например, через LibreOffice)

Для большинства LLM, индексирования и архивных кейсов важна именно content-level fidelity — а Office Oxide отдаёт полностью редактируемый DOCX/XLSX/PPTX за миллисекунды.

Производительность

Конвертация на файл идёт в том же порядке, что и извлечение текста. На типичной Word 97 .doc ожидайте однозначные миллисекунды end-to-end.

Смотрите также