Formaty plików
Co to jest DOCX? Budowa formatu plików Worda
DOCX, domyślny format Worda od wersji 2007, to w rzeczywistości paczka ZIP z plikami XML. Wyjaśniamy jego budowę, stojące za nim normy i to, co przetrwa konwersję.
Autor: Hemen Dönüştür Editör EkibiOpublikowano: 7 min czytania
Kliknij „Zapisz” w Wordzie, a plik, który dostaniesz, niemal na pewno będzie miał rozszerzenie .docx. Od blisko dwudziestu lat to domyślny format Microsoft Worda i jeden z najpopularniejszych edytowalnych formatów dokumentów w biznesie, edukacji i administracji. Mało kto jednak wie, że plik DOCX to tak naprawdę archiwum ZIP pełne plików XML. W tym artykule opisujemy, jak powstał DOCX, na jakich normach się opiera, co jest w środku i o czym pamiętać, konwertując DOCX do innych formatów.
Czym jest DOCX?
DOCX to rozszerzenie dokumentów zapisanych w WordprocessingML, czyli części normy Office Open XML (OOXML) przeznaczonej do edycji tekstu. Starszy format .doc był zamkniętym formatem binarnym, który zapisywał na dysk mniej więcej bezpośrednio struktury z pamięci Worda. DOCX przechowuje natomiast tekst, formatowanie, obrazy i ustawienia jako osobne części XML i łączy je w jedną skompresowaną paczkę. Dzięki temu pliki są zwykle mniejsze, bardziej odporne na uszkodzenia i mogą je odczytywać oraz zapisywać także inne programy niż Word.
Krótka historia
Microsoft przechodził na formaty Office oparte na XML etapami. Pierwszy format XML dla Excela pojawił się w 2000 roku, a dla Worda w 2002 roku; oba trafiły do pakietu Office 2003. W listopadzie 2005 roku Microsoft ogłosił, że znormalizuje te formaty w Ecma International pod nazwą „Office Open XML”. Potem wszystko potoczyło się szybko:
- Grudzień 2006: Ecma zatwierdziła pierwsze wydanie jako ECMA-376.
- 2007: Office 2007 uczynił DOCX domyślnym formatem zapisu w Wordzie. Dla starszych wersji Worda Microsoft wydał pakiet zgodności (Compatibility Pack), który pozwalał otwierać i zapisywać DOCX.
- Kwiecień 2008: przyspieszona procedura ISO/IEC, która nie przeszła pierwszego głosowania, zakończyła się zatwierdzeniem.
- Listopad 2008: norma została opublikowana jako ISO/IEC 29500:2008, a w grudniu 2008 roku Ecma wydała technicznie równoważne drugie wydanie.
- 2011, 2012 i 2021: ukazały się trzecie, czwarte i piąte wydanie ECMA-376. Części obecnego, piątego wydania były aktualizowane w latach 2015-2021.
Normalizacja wprowadziła dwa poziomy zgodności: Transitional i Strict. Transitional zawiera funkcje zgodności przeniesione ze starych dokumentów binarnych i to właśnie ten wariant Word zapisuje domyślnie. Office 2010 potrafił dokumenty Strict tylko odczytywać; Office 2013 i nowsze w pełni obsługują Strict, ale Microsoft ze względu na zgodność wsteczną nie uczynił go domyślnym.
Co jest w środku pliku DOCX?
Jeśli zmienisz rozszerzenie pliku DOCX na .zip i go otworzysz, zwykle zobaczysz taką strukturę:
[Content_Types].xml typy zawartości części w paczce
_rels/.rels relacje najwyższego poziomu
docProps/core.xml metadane, np. tytuł, autor i daty
word/document.xml główny tekst dokumentu
word/styles.xml definicje stylów
word/numbering.xml numeracja list
word/header1.xml nagłówek (jeśli jest)
word/footer1.xml stopka (jeśli jest)
word/media/image1.png osadzone obrazy
word/_rels/document.xml.rels relacje obrazów i hiperłączyZasady pakowania określa część 2 normy ECMA-376, czyli Open Packaging Conventions (OPC). Każda część ma typ zawartości, a części są ze sobą powiązane przez pliki relacji. Obraz w tekście jest na przykład wskazywany nie przez nazwę pliku, lecz przez identyfikator w pliku relacji, np. rId5.
Właściwa treść znajduje się w word/document.xml. Według dokumentacji Open XML firmy Microsoft najprostszy poprawny dokument wymaga elementu głównego document, elementu body, co najmniej jednego akapitu (p) z przebiegiem (r) oraz tekstu (t) w tym przebiegu:
<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>Przebieg (run) to fragment tekstu o jednakowym formatowaniu. Jedno pogrubione słowo w środku zdania dzieli akapit na trzy przebiegi. Dlatego dokumenty Worda często rozbijają ten sam tekst na wiele przebiegów bez widocznego powodu, z czym musi sobie radzić każdy konwerter.
DOCX, DOCM i DOTX
Ta sama rodzina ma jeszcze kilka rozszerzeń. .docm to dokument z obsługą makr; zwykły .docx nie może zawierać makr, dlatego jest bezpieczniejszym wyborem na załączniki e-mail. .dotx to szablon, a .dotm szablon z makrami. Pod względem budowy wszystkie są tą samą paczką OPC; różnią się zawartymi częściami i zadeklarowanymi typami zawartości.
Gdzie używa się DOCX?
- Korespondencja biznesowa: oferty, raporty, notatki służbowe i projekty umów.
- Edukacja: prace zaliczeniowe, prace dyplomowe, ich szablony i materiały do zajęć.
- Prawo i sektor publiczny: projekty pism i wniosków.
- Wydawnictwa: kolejne rundy redakcji między autorem a redaktorem z użyciem śledzenia zmian i komentarzy.
- Automatyczne generowanie dokumentów: ponieważ format jest otwartą normą, programy mogą tworzyć faktury, certyfikaty i raporty jako DOCX.
Zalety i wady
| Zalety | Wady |
|---|---|
| Otwarta, udokumentowana norma (ECMA-376, ISO/IEC 29500) | Norma jest ogromna; niewiele programów obsługuje ją w całości |
| Małe pliki dzięki kompresji ZIP | Układ może się przesuwać między różnymi programami |
| Śledzenie zmian, komentarze, style, spisy treści | Czcionki nie są osadzane, więc wygląd zależy od urządzenia |
| Domyślny format bez makr, bezpieczniejszy | Podział na Transitional i Strict może powodować problemy ze zgodnością |
| Obsługiwany przez niemal każdy pakiet biurowy | Gorzej niż PDF nadaje się do „zamrożenia” wersji ostatecznej |
Jakie programy otwierają DOCX?
Word 2007 i nowsze, a także Word w przeglądarce i na urządzeniach mobilnych, otwierają DOCX natywnie. LibreOffice Writer, Dokumenty Google, Apple Pages i WPS Office również go odczytują i zapisują. Word 2003 i starsze potrzebują pakietu zgodności Microsoftu. Wszystkie te programy dobrze radzą sobie z podstawowym tekstem, stylami i tabelami, ale zaawansowany układ, pola tekstowe, SmartArt i niektóre kody pól mogą wyglądać różnie w zależności od programu.
Typowe problemy i jak je rozwiązać
„Plik jest uszkodzony i nie można go otworzyć”
Ponieważ DOCX jest paczką ZIP, częściowo pobrany plik lub źle zapisany załącznik e-mail się nie otworzy. Najpierw spróbuj pobrać go ponownie. W Wordzie opcja „Otwórz i napraw” w oknie otwierania często odzyskuje tekst. Zmiana rozszerzenia kopii na .zip i próba jej otwarcia pokaże też, czy plik jest w ogóle poprawną paczką.
Układ przesuwa się na innym komputerze
DOCX domyślnie nie osadza czcionek. Jeśli odbiorca nie ma danej czcionki, używana jest zastępcza, wiersze zawijają się inaczej i przesuwają się podziały stron. Jeśli układ musi być dokładny, udostępnij PDF albo włącz osadzanie czcionek w opcjach Worda.
Komunikat „Tryb zgodności”
Po otwarciu starego pliku .doc w nowym Wordzie na pasku tytułu pojawia się „Tryb zgodności”. Ponowne zapisanie pliku jako DOCX wyłącza ten tryb i odblokowuje nowsze funkcje.
Śledzone zmiany są nadal widoczne
Niezaakceptowane zmiany i komentarze zostają w udostępnianym pliku. Przed wysłaniem zaakceptuj lub odrzuć wszystkie zmiany i usuń komentarze.
Wskazówki dotyczące konwersji plików DOCX
W naszym konwerterze dokumenty Worda są wysyłane na nasz serwer i usuwane w ciągu 30 minut. Konwersje między DOCX, DOC, RTF i PDF są wykonywane bezpośrednio przez LibreOffice, bez pośredniego etapu HTML. Dlatego konwersja Word do PDF zachowuje układ strony, nagłówki i stopki, obramowania tabel, numerację list i obrazy. Niestandardowa czcionka, której nie ma na serwerze, może zostać zastąpiona podobną.
- Dla starszych systemów: Word do DOC przydaje się w programach, które akceptują tylko format Word 97-2003. Nowsze funkcje bez odpowiednika w DOC, takie jak niektóre elementy graficzne i układu, mogą zostać uproszczone.
- Dla sieci i dokumentacji: Word do Markdown zachowuje nagłówki, pogrubienie i kursywę, listy, tabele oraz linki; czcionki, kolory i układ strony znikają, bo Markdown nie ma dla nich odpowiedników.
- W drugą stronę: PDF do Worda to zawsze rekonstrukcja, więc w miarę możliwości zachowaj oryginalny plik DOCX.
Najczęściej zadawane pytania
Czym różni się DOCX od DOC?
DOC to format binarny używany przez Word 97-2003. DOCX to oparta na ZIP otwarta norma złożona z części XML, wprowadzona wraz z Wordem 2007. DOCX jest zwykle mniejszy, bardziej odporny i bezpieczniejszy, bo nie może zawierać makr.
Czy DOCX jest otwartą normą?
Tak. Został znormalizowany przez Ecma jako ECMA-376 oraz przez ISO/IEC jako ISO/IEC 29500. Teksty ECMA-376 można bezpłatnie pobrać ze strony Ecma.
Jak zajrzeć do środka pliku DOCX?
Zrób kopię, zmień jej rozszerzenie na .zip i ją otwórz. Tekst znajdziesz w word/document.xml, a obrazy w folderze word/media.
Czy plik DOCX może zawierać wirusa?
Zwykły DOCX nie może zawierać makr; dokumenty z makrami mają rozszerzenie .docm. Jak przy każdym typie pliku zachowaj ostrożność wobec dokumentów z nieznanych źródeł i aktualizuj pakiet biurowy.
Czy mogę otworzyć DOCX bez Worda?
Tak. LibreOffice Writer, Dokumenty Google, Apple Pages i WPS Office otwierają DOCX. Jeśli chcesz tylko przeczytać dokument, praktyczną opcją jest też konwersja do PDF.
