性能基准
Office Oxide 在 6,062 份文件 上做了基准测试 — 来自 11 个独立公开测试集：LibreOffice Core、Apache POI、Open XML SDK、ClosedXML、Pandoc、python-docx/python-pptx、Apache Tika、calamine、openpreserve、oletools、LibreOffice legacy 语料。
方法论：单线程、release 构建带 LTO、温热磁盘缓存（稳态）、闲置系统下 3 次运行的中位数。
DOCX — 2,538 份文件
| 库 | 语言 | 均值 | p99 | 通过率 | 许可证 |
|---|---|---|---|---|---|
| office_oxide | Rust | 0.8 ms | 3.9 ms | 98.9% | MIT |
| python-docx | Python | 11.8 ms | 98 ms | 95.1% | MIT |
Office Oxide 比 python-docx 均值快 14 倍、长尾（p99）快 25 倍。通过率高 3.8 个百分点。
XLSX — 1,802 份文件
| 库 | 语言 | 均值 | p99 | 通过率 | 许可证 |
|---|---|---|---|---|---|
| office_oxide | Rust | 5.0 ms | 40 ms | 97.8% | MIT |
| python-calamine | Rust/Python | 13.9 ms | 183 ms | 96.6% | MIT |
| openpyxl | Python | 94.5 ms | 698 ms | 96.2% | MIT |
Office Oxide 比 calamine 快 2.8 倍（次快的 XLSX 库）、比 openpyxl 快 18 倍。三者中通过率最高。
PPTX — 806 份文件
| 库 | 语言 | 均值 | p99 | 通过率 | 许可证 |
|---|---|---|---|---|---|
| office_oxide | Rust | 0.7 ms | 3.9 ms | 98.4% | MIT |
| python-pptx | Python | 32.5 ms | 174 ms | 86.7% | MIT |
Office Oxide 比 python-pptx 快 46 倍、通过率高 11.7 个百分点。python-pptx 在与其期待的 schema 不一致的 PowerPoint 文件上吃力；office_oxide 透明地处理它们。
旧版格式 — 916 份文件
没有其他 Rust 或 Python 库能在不依赖 JVM（Apache Tika）或外部二进制（catdoc、antiword）的情况下读 .doc、.xls 以及 .ppt。
.doc — 246 份文件
| 库 | 均值 | p99 | 通过率 | 许可证 |
|---|---|---|---|---|
| office_oxide | 0.3 ms | 3.4 ms | 94.7% | MIT |
| catdoc | 4.3 ms | 41 ms | 90.2% | GPL-2.0 |
| antiword | 4.5 ms | 66 ms | 76.8% | GPL-2.0 |
.xls — 494 份文件
| 库 | 均值 | p99 | 通过率 | 许可证 |
|---|---|---|---|---|
| office_oxide | 2.8 ms | 75 ms | 99.2% | MIT |
| xls2csv (catdoc) | 6.9 ms | 58 ms | 84.0% | GPL-2.0 |
| python-calamine | 9.0 ms | 96 ms | 90.7% | MIT |
| xlrd | 36.6 ms | 503 ms | 93.1% | BSD-3 |
xls2csv 的 p99 更紧（58 ms 对 75 ms），但它在复杂 sheet 上输出截断/有损。Office Oxide 均值快 2.4 倍，并且通过率多 15 个百分点。
.ppt — 176 份文件
| 库 | 均值 | p99 | 通过率 | 许可证 |
|---|---|---|---|---|
| office_oxide | 0.7 ms | 6.6 ms | 100% | MIT |
| catppt (catdoc) | 2.8 ms | 8 ms | 77.8% | GPL-2.0 |
通过率 — 6,062 份文件中达到 98.4%
97 份未通过文件全是无效输入:
| 类别 | 数量 | 备注 |
|---|---|---|
| 无效 ZIP / CFB 归档 | 43 | 截断、缺 EOCD、CFB 魔数错 |
| 缺必需 part | 21 | 加密、密码保护或 stream 缺失 |
| 损坏的 XML | 18 | XML 炸弹、格式错误标签、模糊测试损坏 |
| 无效 CFB 头 | 15 | WordPerfect / IBM DisplayWrite / Excel 3/4 误命名为 .doc/.xls、CVE 利用样本 |
对合法的 Word 97+ / Excel 97+ / PowerPoint 97+ 零失败。在有效文档上零 panic、零超时、零误判。
语料
| 来源 | 文件 | 许可证 |
|---|---|---|
| LibreOffice Core | 2,185 | MPL-2.0 |
| Apache POI | 1,298 | Apache-2.0 |
| Open XML SDK | 707 | MIT |
| ClosedXML | 371 | MIT |
| Pandoc | 224 | GPL-2.0 |
| python-docx + python-pptx | 111 | MIT |
| Apache Tika | 108 | Apache-2.0 |
| calamine | 28 | MIT |
| openpreserve | 20 | CC0 |
| oletools | 17 | BSD-2 |
| LibreOffice（legacy） | 12 | MPL-2.0 |
| 合计 | 6,062 |
可复现基准在 bench_rust/ 与 bench_python.py。完整方法和按文件细分见 BENCHMARKS.md。
相关链接
- 对比 python-docx — DOCX 迁移
- 对比 openpyxl — XLSX 迁移
- 对比 python-pptx — PPTX 迁移
- 对比 Apache Tika — 想丢掉 JVM 时