DOCX деген эмне? Word файл форматынын ички түзүлүшү

Word'до «Сактоо» баскычын бассаңыз, алынган файл дээрлик сөзсүз .docx менен бүтөт. Ал жыйырма жылга жакын Microsoft Word'дун демейки форматы болуп келет жана бизнесте, билим берүүдө жана мамлекеттик мекемелерде эң кеңири таралган түзөтүлүүчү документ форматтарынын бири. Бирок DOCX файлы чындыгында XML файлдарына толгон ZIP архив экенин аз эле адам билет. Бул макалада DOCX кантип пайда болгону, кайсы стандарттарга негизделгени, ичинде эмне бар экени жана DOCX'ти башка форматтарга конвертациялоодо эмнени эске алуу керектиги каралат.

DOCX деген эмне?

DOCX Office Open XML (OOXML) стандартынын текст иштетүү бөлүгү болгон WordprocessingML тилинде жазылган документтердин файл кеңейтүүсү. Мурунку .doc форматы Word'дун эстутумдагы түзүмдөрүн дискке дээрлик түз жазган жабык бинардык формат болчу. DOCX болсо текстти, форматтоону, сүрөттөрдү жана жөндөөлөрдү өзүнчө XML бөлүктөрү катары сактап, аларды бир кысылган пакетке топтойт. Натыйжада файлдар адатта кичинерээк, бузулууга туруктуураак болот жана аларды Word'дон башка программалар да окуп, жаза алат.

Кыскача тарых

Microsoft XML негизиндеги Office форматтарына этап-этап менен өткөн. Excel үчүн биринчи XML форматы 2000-жылы, Word үчүн 2002-жылы чыгып, экөө тең Office 2003 менен кошо таркатылган. 2005-жылдын ноябрында Microsoft бул форматтарды «Office Open XML» деген ат менен Ecma International аркылуу стандартташтырарын жарыялаган. Андан кийин окуялар тез өнүккөн:

• 2006-жылдын декабры: Ecma биринчи басылышты ECMA-376 катары бекиткен.
• 2007: Office 2007 DOCX'ти Word'дун демейки сактоо форматы кылган. Эски Word версиялары үчүн Microsoft DOCX'ти ачып жана сактай алган Compatibility Pack чыгарган.
• 2008-жылдын апрели: биринчи добуш берүүдөн өтпөй калган тездетилген ISO/IEC жол-жобосу бекитүү менен аяктаган.
• 2008-жылдын ноябры: стандарт ISO/IEC 29500:2008 катары жарыяланып, Ecma 2008-жылдын декабрында техникалык жактан барабар экинчи басылышты чыгарган.
• 2011, 2012 жана 2021: ECMA-376нын үчүнчү, төртүнчү жана бешинчи басылыштары чыккан. Учурдагы бешинчи басылыштын бөлүктөрү 2015-2021-жылдары жаңыртылган.

Стандартташтыруу шайкештиктин эки деңгээлин киргизген: Transitional жана Strict. Transitional эски бинардык документтерден калган шайкештик мүмкүнчүлүктөрүн камтыйт жана Word демейки боюнча ушуну жазат. Office 2010 Strict документтерин окуй гана алган; Office 2013 жана андан кийинкилер Strict'ти толук колдойт, бирок Microsoft артка шайкештик үчүн аны демейки кылган эмес.

DOCX файлдын ичинде эмне бар?

DOCX файлынын атын .zip кылып өзгөртүп ачсаңыз, адатта мындай түзүлүштү көрөсүз:

[Content_Types].xml      пакеттеги бөлүктөрдүн мазмун түрлөрү
_rels/.rels              пакеттин жогорку деңгээлдеги байланыштары
docProps/core.xml        аталыш, автор жана даталар сыяктуу метаберилиштер
word/document.xml        документтин негизги тексти
word/styles.xml          стилдердин аныктамалары
word/numbering.xml       тизмелердин номерлениши
word/header1.xml         жогорку колонтитул (болсо)
word/footer1.xml         төмөнкү колонтитул (болсо)
word/media/image1.png    камтылган сүрөттөр
word/_rels/document.xml.rels  сүрөт жана шилтеме байланыштары

Пакеттөө эрежелери ECMA-376нын 2-бөлүгүндө, Open Packaging Conventions (OPC) деп аталган бөлүктө аныкталган. Ар бир бөлүктүн мазмун түрү болот, ал эми бөлүктөр байланыш файлдары аркылуу бири-бирине туташат. Мисалы, тексттеги сүрөткө анын файл аты менен эмес, байланыштар файлындагы rId5 сыяктуу идентификатор менен шилтеме берилет.

Чыныгы мазмун word/document.xml файлында жайгашат. Microsoft'тун Open XML документтерине ылайык, эң жөнөкөй жарактуу документке document тамыры, body, ичинде run (r) бар жок дегенде бир абзац (p) жана ошол run'дун ичинде текст (t) керек:

<w:document xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:body>
    <w:p>
      <w:r>
        <w:rPr><w:b/></w:rPr>
        <w:t>Hello world</w:t>
      </w:r>
    </w:p>
  </w:body>
</w:document>

Run бирдей форматтоого ээ болгон тексттин үзүмү. Сүйлөмдүн ортосундагы бир эле калың сөз абзацты үч run'го бөлөт. Ошондуктан Word документтеринде бир эле текст көзгө көрүнгөн себепсиз көп run'дарга чачырап калышы көп кездешет, жана муну ар бир конвертер эске алууга тийиш.

DOCX, DOCM жана DOTX

Бул үй-бүлөдө дагы бир нече кеңейтүү бар. .docm макросу бар документ; жөнөкөй .docx макрос камтый албайт, ошондуктан email тиркемелери үчүн ал коопсузураак тандоо. .dotx шаблон, ал эми .dotm макросу бар шаблон. Түзүлүшү боюнча алардын баары бирдей OPC пакети; айырмасы камтыган бөлүктөрүндө жана жарыяланган мазмун түрлөрүндө.

DOCX кайда колдонулат?

• Иш кат алышуусу: сунуштар, отчеттор, кызматтык каттар жана келишим долбоорлору.
• Билим берүү: тапшырмалар, дипломдук иштер, алардын шаблондору жана окуу материалдары.
• Юридикалык жана мамлекеттик сектор: арыздар жана кат долбоорлору.
• Басма иши: автор менен редактордун ортосундагы өзгөртүүлөрдү көзөмөлдөө жана комментарийлер аркылуу түзөтүү айлампалары.
• Документтерди автоматтык түрдө түзүү: формат ачык стандарт болгондуктан, программалар эсеп-фактураларды, сертификаттарды жана отчетторду DOCX түрүндө чыгара алат.

Күчтүү жана алсыз жактары

DOCX'ти кайсы программалар ачат?

Word 2007 жана андан кийинки версиялар, ошондой эле Word'дун веб жана мобилдик нускалары DOCX'ти түз ачат. LibreOffice Writer, Google Docs, Apple Pages жана WPS Office да аны окуп, жаза алат. Word 2003 жана андан мурункуларга Microsoft'тун Compatibility Pack'ы керек. Бул программалардын баары негизги текстти, стилдерди жана таблицаларды жакшы иштетет, бирок татаал макет, текст талаалары, SmartArt жана айрым талаа коддору программадан программага башкача көрүнүшү мүмкүн.

Көп кездешкен көйгөйлөр жана аларды чечүү

«Файл бузулган жана аны ачуу мүмкүн эмес»

DOCX ZIP пакети болгондуктан, толук жүктөлбөгөн файл же туура эмес сакталган email тиркемеси ачылбайт. Адегенде аны кайра жүктөп алып көрүңүз. Word'до «Ачуу» терезесиндеги «Ачуу жана калыбына келтирүү» параметри көп учурда текстти куткарат. Көчүрмөсүнүн атын .zip кылып ачып көрүү файл жарактуу пакет экенин же жок экенин да көрсөтөт.

Башка компьютерде макет жылып кетет

DOCX демейки боюнча шрифттерди камтыбайт. Алуучуда шрифт жок болсо, анын ордуна башкасы колдонулуп, саптар кайра бөлүнөт жана барак үзүлүштөрү жылат. Макет так сакталышы керек болсо, PDF жөнөтүңүз же Word'дун параметрлеринен шрифттерди камтууну күйгүзүңүз.

«Шайкештик режими» белгиси

Эски .doc файлын жаңы Word'до ачканда аталыш тилкесинде «Шайкештик режими» (Compatibility Mode) көрүнөт. Файлды DOCX катары кайра сактасаңыз, бул режим өчүп, жаңы мүмкүнчүлүктөр ачылат.

Көзөмөлдөнгөн өзгөртүүлөр дагы эле көрүнөт

Кабыл алынбаган өзгөртүүлөр жана комментарийлер бөлүшүлгөн файлда калат. Жөнөтүүдөн мурун бардык өзгөртүүлөрдү кабыл алыңыз же четке кагыңыз жана комментарийлерди өчүрүңүз.

DOCX файлдарды конвертациялоо боюнча кеңештер

Биздин конвертерде Word документтери биздин серверге жүктөлүп, 30 мүнөттүн ичинде өчүрүлөт. DOCX, DOC, RTF жана PDF ортосундагы конвертациялар ортоңку HTML кадамысыз, түз эле LibreOffice менен аткарылат. Ошондуктан Word'дон PDF'ке конвертациялоодо барак макети, колонтитулдар, таблица чектери, тизме номерлери жана сүрөттөр сакталат. Серверде орнотулбаган өзгөчө шрифт окшош шрифт менен алмаштырылышы мүмкүн.

• Эски системалар үчүн: Word'дон DOC'ко конвертациялоо Word 97-2003 форматын гана кабыл алган программалар үчүн пайдалуу. DOC'та баламасы жок жаңы мүмкүнчүлүктөр, мисалы айрым графикалык жана макет элементтери, жөнөкөйлөтүлүшү мүмкүн.
• Веб жана документация үчүн: Word'дон Markdown'го конвертациялоо аталыштарды, калың жана курсив текстти, тизмелерди, таблицаларды жана шилтемелерди сактайт; шрифттер, түстөр жана барак макети алынып салынат, анткени Markdown'до алардын баламасы жок.
• Тескери багытта: PDF'тен Word'го конвертациялоо дайыма кайра куруу болуп саналат, ошондуктан мүмкүн болушунча баштапкы DOCX'ти сактап коюңуз.

Көп берилүүчү суроолор

DOCX менен DOC'тун айырмасы эмнеде?

DOC Word 97-2003 колдонгон бинардык формат. DOCX Word 2007 менен кошо киргизилген, XML бөлүктөрүнөн турган ZIP негизиндеги ачык стандарт. DOCX адатта кичинерээк, бекемирээк жана макрос камтый албагандыктан коопсузураак.

DOCX ачык стандартпы?

Ооба. Аны Ecma ECMA-376 катары, ISO/IEC болсо ISO/IEC 29500 катары стандартташтырган. ECMA-376 тексттерин Ecma'нын сайтынан акысыз жүктөп алса болот.

DOCX файлдын ичин кантип көрсө болот?

Көчүрмөсүн жасап, кеңейтүүсүн .zip кылып өзгөртүп, ачыңыз. Текстти word/document.xml файлынан, сүрөттөрдү word/media папкасынан табасыз.

DOCX файлында вирус болушу мүмкүнбү?

Жөнөкөй DOCX макрос камтый албайт; макросу бар документтер .docm кеңейтүүсүн колдонот. Бардык файл түрлөрүндөгүдөй эле, белгисиз булактан келген документтерден этият болуңуз жана офистик программаңызды жаңыртып туруңуз.

DOCX'ти Word'суз ачса болобу?

Ооба. LibreOffice Writer, Google Docs, Apple Pages жана WPS Office баары DOCX'ти ачат. Аны окуу гана керек болсо, PDF'ке конвертациялоо да ыңгайлуу жол.

Булактар

• Ecma International: ECMA-376 Office Open XML File Formats
• Microsoft Learn: Structure of a WordprocessingML document
• Wikipedia: Office Open XML (тарыхы, экинчилик булак)
• LibreOffice