Bestandsformaten
Wat is DOCX? Zo werkt het Word-bestandsformaat
DOCX, sinds Word 2007 het standaardformaat van Word, is een ZIP-pakket vol XML-bestanden. We leggen de opbouw uit, de normen erachter en wat een conversie overleeft.
Auteur: Hemen Dönüştür Editör EkibiGepubliceerd: 7 min lezen
Klik in Word op "Opslaan" en het bestand dat je krijgt eindigt vrijwel zeker op .docx. Het is al bijna twintig jaar het standaardformaat van Microsoft Word en een van de meest gebruikte bewerkbare documentformaten in het bedrijfsleven, het onderwijs en bij de overheid. Toch beseffen maar weinig mensen dat een DOCX-bestand eigenlijk een ZIP-archief vol XML-bestanden is. Dit artikel vertelt hoe DOCX is ontstaan, op welke normen het is gebouwd, wat erin zit en waar je op let als je DOCX naar andere formaten converteert.
Wat is DOCX?
DOCX is de bestandsextensie voor documenten in WordprocessingML, het tekstverwerkingsdeel van de Office Open XML-norm (OOXML). Het oudere .doc-formaat was een gesloten binair formaat dat de interne geheugenstructuren van Word min of meer rechtstreeks naar schijf schreef. DOCX slaat tekst, opmaak, afbeeldingen en instellingen daarentegen op als losse XML-onderdelen en bundelt die in één gecomprimeerd pakket. Daardoor zijn bestanden meestal kleiner, beter bestand tegen beschadiging en ook door andere software dan Word te lezen en te schrijven.
Een korte geschiedenis
Microsoft stapte in fasen over op XML-gebaseerde Office-formaten. Het eerste XML-formaat voor Excel kwam in 2000 en dat voor Word in 2002, en beide zaten in Office 2003. In november 2005 kondigde Microsoft aan deze formaten via Ecma International te laten standaardiseren onder de naam "Office Open XML". Daarna ging het snel:
- December 2006: Ecma keurde de eerste editie goed als ECMA-376.
- 2007: met Office 2007 werd DOCX het standaard opslagformaat van Word. Voor oudere Word-versies bracht Microsoft een Compatibility Pack uit waarmee DOCX kon worden geopend en opgeslagen.
- April 2008: de versnelde ISO/IEC-procedure, die in de eerste stemronde was mislukt, eindigde met goedkeuring.
- November 2008: de norm verscheen als ISO/IEC 29500:2008, en in december 2008 publiceerde Ecma een technisch gelijkwaardige tweede editie.
- 2011, 2012 en 2021: de derde, vierde en vijfde editie van ECMA-376 volgden. De delen van de huidige vijfde editie zijn tussen 2015 en 2021 bijgewerkt.
Met de standaardisatie kwamen er twee conformiteitsniveaus: Transitional en Strict. Transitional bevat compatibiliteitsfuncties die uit de oude binaire documenten zijn overgenomen, en dat is wat Word standaard schrijft. Office 2010 kon Strict-documenten alleen lezen; Office 2013 en later ondersteunen Strict volledig, maar Microsoft heeft het om redenen van achterwaartse compatibiliteit niet de standaard gemaakt.
Wat zit er in een DOCX-bestand?
Hernoem een DOCX-bestand naar .zip, open het en je ziet doorgaans een structuur als deze:
[Content_Types].xml content types of the parts in the package
_rels/.rels top-level package relationships
docProps/core.xml metadata such as title, author and dates
word/document.xml the main document text
word/styles.xml style definitions
word/numbering.xml list numbering
word/header1.xml header (if any)
word/footer1.xml footer (if any)
word/media/image1.png embedded images
word/_rels/document.xml.rels image and hyperlink relationshipsDe verpakkingsregels staan in deel 2 van ECMA-376, de Open Packaging Conventions (OPC). Elk onderdeel heeft een contenttype, en onderdelen zijn via relatiebestanden aan elkaar gekoppeld. Een afbeelding in de tekst wordt bijvoorbeeld niet via de bestandsnaam aangeroepen, maar via een ID in het relatiebestand, zoals rId5.
De eigenlijke inhoud staat in word/document.xml. Volgens de Open XML-documentatie van Microsoft heeft het eenvoudigste geldige document een document-root nodig, een body, minstens één alinea (p) met daarin een run (r), en tekst (t) binnen die run:
<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>Een run is een stuk tekst met dezelfde opmaak. Eén vetgedrukt woord midden in een zin splitst de alinea al in drie runs. Daarom verspreiden Word-documenten dezelfde tekst vaak zonder zichtbare reden over veel runs, iets waar elke converter mee moet kunnen omgaan.
DOCX, DOCM en DOTX
Dezelfde familie kent nog een paar extensies. .docm is een document met macro's; een gewoon .docx-bestand kan geen macro's bevatten, wat het de veiligere keuze maakt voor e-mailbijlagen. .dotx is een sjabloon en .dotm een sjabloon met macro's. Qua structuur zijn het allemaal hetzelfde OPC-pakket; ze verschillen in de onderdelen die ze bevatten en in hun opgegeven contenttypes.
Waar wordt DOCX gebruikt?
- Zakelijke correspondentie: offertes, rapporten, memo's en conceptcontracten.
- Onderwijs: opdrachten, scripties, scriptiesjablonen en lesmateriaal.
- Juridisch werk en overheid: verzoekschriften en conceptbrieven.
- Uitgeverij: redactierondes tussen auteur en redacteur met wijzigingen bijhouden en opmerkingen.
- Automatisch documenten genereren: omdat het formaat een open norm is, kan software facturen, certificaten en rapporten als DOCX aanmaken.
Sterke en zwakke punten
| Sterke punten | Zwakke punten |
|---|---|
| Open, gedocumenteerde norm (ECMA-376, ISO/IEC 29500) | De norm is enorm; weinig programma's ondersteunen hem volledig |
| Kleine bestanden dankzij ZIP-compressie | De opmaak kan tussen programma's verschuiven |
| Wijzigingen bijhouden, opmerkingen, stijlen, inhoudsopgaven | Lettertypen worden niet ingesloten, dus de weergave hangt af van het apparaat |
| Standaardformaat zonder macro's, dus veiliger | De splitsing tussen Transitional en Strict kan compatibiliteitsproblemen geven |
| Ondersteund door vrijwel elk officepakket | Minder geschikt dan PDF om een definitieve versie "vast te zetten" |
Met welke programma's open je DOCX?
Word 2007 en later, en ook Word voor het web en mobiel, openen DOCX zonder omweg. LibreOffice Writer, Google Docs, Apple Pages en WPS Office kunnen het ook lezen en schrijven. Word 2003 en ouder hebben het Compatibility Pack van Microsoft nodig. Al deze programma's gaan goed om met gewone tekst, stijlen en tabellen, maar geavanceerde opmaak, tekstvakken, SmartArt en sommige veldcodes kunnen er per programma anders uitzien.
Veelvoorkomende problemen en oplossingen
"Het bestand is beschadigd en kan niet worden geopend"
Omdat DOCX een ZIP-pakket is, opent een half gedownload bestand of een slecht opgeslagen e-mailbijlage niet. Probeer het eerst opnieuw te downloaden. In Word haalt de optie "Openen en herstellen" in het dialoogvenster Openen de tekst vaak terug. Hernoem je een kopie naar .zip en probeer je die te openen, dan zie je ook meteen of het bestand überhaupt een geldig pakket is.
De opmaak verschuift op een andere computer
DOCX sluit standaard geen lettertypen in. Heeft de ontvanger het lettertype niet, dan wordt een vervanger gebruikt, lopen regels anders door en verschuiven pagina-einden. Moet de opmaak exact kloppen, deel dan een PDF of zet het insluiten van lettertypen aan in de opties van Word.
De melding "Compatibiliteitsmodus"
Open je een oud .doc-bestand in een recente Word-versie, dan staat er "Compatibiliteitsmodus" in de titelbalk. Sla het bestand opnieuw op als DOCX om die modus uit te zetten en nieuwere functies te gebruiken.
Bijgehouden wijzigingen zijn nog zichtbaar
Niet-geaccepteerde wijzigingen en opmerkingen blijven in het gedeelde bestand staan. Accepteer of weiger alle wijzigingen en verwijder de opmerkingen voordat je het verstuurt.
Tips voor het converteren van DOCX-bestanden
Bij onze converter worden Word-documenten naar onze server geüpload en binnen 30 minuten verwijderd. Conversies tussen DOCX, DOC, RTF en PDF gaan rechtstreeks via LibreOffice, zonder tussenstap via HTML. Daardoor behoudt Word naar PDF de pagina-opmaak, kop- en voetteksten, tabelranden, lijstnummering en afbeeldingen. Een eigen lettertype dat niet op de server staat, kan door een vergelijkbaar lettertype worden vervangen.
- Voor oudere systemen: Word naar DOC helpt bij software die alleen het formaat van Word 97-2003 accepteert. Nieuwere functies zonder DOC-tegenhanger, zoals bepaalde afbeeldingen en opmaakelementen, kunnen worden vereenvoudigd.
- Voor het web en documentatie: Word naar Markdown behoudt koppen, vette en cursieve tekst, lijsten, tabellen en links; lettertypen, kleuren en pagina-opmaak vallen weg omdat Markdown daar geen equivalent voor heeft.
- De andere kant op: PDF naar Word is altijd een reconstructie, dus bewaar waar mogelijk de originele DOCX.
Veelgestelde vragen
Wat is het verschil tussen DOCX en DOC?
DOC is het binaire formaat van Word 97-2003. DOCX is de op ZIP gebaseerde open norm met XML-onderdelen die met Word 2007 werd geïntroduceerd. DOCX is meestal kleiner, robuuster en veiliger, omdat het geen macro's kan bevatten.
Is DOCX een open norm?
Ja. Het is door Ecma gestandaardiseerd als ECMA-376 en door ISO/IEC als ISO/IEC 29500. De teksten van ECMA-376 kun je gratis downloaden van de website van Ecma.
Hoe kijk ik in een DOCX-bestand?
Maak een kopie, verander de extensie in .zip en open het. De tekst vind je in word/document.xml en de afbeeldingen in de map word/media.
Kan een DOCX-bestand een virus bevatten?
Een gewoon DOCX-bestand kan geen macro's bevatten; documenten met macro's gebruiken de extensie .docm. Zoals bij elk bestandstype geldt: wees voorzichtig met documenten van onbekende afzenders en houd je officesoftware up-to-date.
Kan ik DOCX openen zonder Word?
Ja. LibreOffice Writer, Google Docs, Apple Pages en WPS Office openen allemaal DOCX. Hoef je het alleen te lezen, dan is converteren naar PDF ook een praktische optie.
