Skip to content
Office Oxide

Конвертація legacy DOC, XLS, PPT у OOXML

Office Oxide — єдина бібліотека на Rust або Python, що читає Word 97–2003 (.doc), Excel 97–2003 (.xls), PowerPoint 97–2003 (.ppt) і пише їхні сучасні OOXML-аналоги — без JVM (Apache Tika), без зовнішнього конвертера (LibreOffice headless), без комерційної ліцензії (Aspose).

save_as робить конвертацію одним викликом. Відкрийте legacy-файл, збережіть із сучасним розширенням; Office Oxide прожене його через IR і запише свіжий OOXML-контейнер.

Однорядковий

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");

Масова міграція

Мігруйте корпус одним рядком.

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(())
}

Загорніть цикл у rayon для паралельної міграції великих корпусів.

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'

Що переживає round-trip

Office Oxide зберігає форму контенту — абзаци, таблиці, клітинки, слайди, списки, заголовки — та значення всередині. Кілька категорій не переїжджають, бо legacy-формати кодують їх у пропрієтарних структурах, яких IR не моделює:

Категорія Переживає Примітки
Текст абзаців ✓ Включно з bold/italic/underline-run
Списки ✓ Нумеровані + марковані
Таблиці ✓ Клітинки, порядок рядків, рядок-заголовок
Значення клітинок XLSX (string, number, bool) ✓ —
Імена листів ✓ —
Заголовки слайдів + body ✓ —
Гіперпосилання ✓ —
Зображення partial DOC/PPT зберігають inline-картинки; XLS-image-якорі відкидаються
Коментарі / ревізії — Tracked changes сплющуються
Формули (XLS) лише значення Кешовані результати формул переживають; вирази формул не round-trip’аться
WordArt, SmartArt, діаграми — Перерендеріть у цільовому форматі за потреби
Шифрування — Розшифруйте legacy-файл заздалегідь (наприклад, через LibreOffice)

Для більшості LLM-, індексаційних та архівних кейсів важлива саме content-level fidelity — а Office Oxide віддає повністю редагований DOCX/XLSX/PPTX за мілісекунди.

Продуктивність

Per-file конвертація йде в тому ж порядку, що й видобування тексту. На типовому Word 97 .doc очікуйте однозначних мілісекунд end-to-end.

Дивіться також