Formatos de arquivo
O que é DOCX? Por dentro do formato de arquivo do Word
O DOCX, formato padrão do Word desde o Word 2007, é um pacote ZIP de arquivos XML. Explicamos sua estrutura, as normas por trás dele e o que se mantém em uma conversão.
Autor: Hemen Dönüştür Editör EkibiPublicado em: 8 min de leitura
Clique em "Salvar" no Word e o arquivo gerado quase certamente terminará em .docx. Ele é o padrão do Microsoft Word há quase vinte anos e um dos formatos de documento editável mais comuns em empresas, escolas e órgãos públicos. Mesmo assim, poucas pessoas sabem que um arquivo DOCX é, na verdade, um arquivo ZIP cheio de arquivos XML. Este artigo mostra como o DOCX surgiu, em quais normas ele se baseia, o que há dentro dele e o que levar em conta ao convertê-lo para outros formatos.
O que é DOCX?
DOCX é a extensão dos documentos escritos em WordprocessingML, a parte de processamento de texto da norma Office Open XML (OOXML). O antigo formato .doc era um formato binário fechado que gravava no disco, mais ou menos diretamente, as estruturas que o Word mantinha na memória. Já o DOCX guarda texto, formatação, imagens e configurações como partes XML separadas e as reúne em um único pacote compactado. Com isso, os arquivos costumam ser menores, mais resistentes a danos e podem ser lidos e gravados por outros programas além do Word.
Um breve histórico
A Microsoft migrou para formatos do Office baseados em XML em etapas. O primeiro formato XML do Excel chegou em 2000 e o do Word em 2002, e ambos vieram com o Office 2003. Em novembro de 2005, a Microsoft anunciou que padronizaria esses formatos pela Ecma International com o nome "Office Open XML". A partir daí tudo andou rápido:
- Dezembro de 2006: a Ecma aprovou a primeira edição como ECMA-376.
- 2007: o Office 2007 tornou o DOCX o formato padrão de salvamento do Word. Para versões mais antigas, a Microsoft lançou um Pacote de Compatibilidade capaz de abrir e salvar DOCX.
- Abril de 2008: o processo acelerado na ISO/IEC, que havia sido reprovado na primeira votação, terminou em aprovação.
- Novembro de 2008: a norma foi publicada como ISO/IEC 29500:2008, e a Ecma lançou uma segunda edição tecnicamente equivalente em dezembro de 2008.
- 2011, 2012 e 2021: vieram a terceira, a quarta e a quinta edições da ECMA-376. As partes da quinta edição, a atual, foram atualizadas entre 2015 e 2021.
A padronização criou dois níveis de conformidade: Transitional e Strict. O Transitional inclui recursos de compatibilidade herdados dos antigos documentos binários, e é ele que o Word grava por padrão. O Office 2010 só conseguia ler documentos Strict; o Office 2013 e posteriores oferecem suporte completo ao Strict, mas a Microsoft não o tornou padrão por motivos de compatibilidade com versões anteriores.
O que há dentro de um arquivo DOCX?
Renomeie um arquivo DOCX para .zip, abra-o, e você verá normalmente uma estrutura como esta:
[Content_Types].xml tipos de conteúdo das partes do pacote
_rels/.rels relações de nível superior do pacote
docProps/core.xml metadados como título, autor e datas
word/document.xml o texto principal do documento
word/styles.xml definições de estilos
word/numbering.xml numeração de listas
word/header1.xml cabeçalho (se houver)
word/footer1.xml rodapé (se houver)
word/media/image1.png imagens incorporadas
word/_rels/document.xml.rels relações de imagens e hiperlinksAs regras de empacotamento são definidas na Parte 2 da ECMA-376, as Open Packaging Conventions (OPC). Cada parte tem um tipo de conteúdo, e as partes se ligam por meio de arquivos de relações. Uma imagem no texto, por exemplo, não é referenciada pelo nome do arquivo, e sim por um ID no arquivo de relações, como rId5.
O conteúdo propriamente dito fica em word/document.xml. Segundo a documentação Open XML da Microsoft, o documento válido mais simples precisa de uma raiz document, um body, pelo menos um parágrafo (p) com um trecho (r, de "run") e o texto (t) dentro desse trecho:
<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>Um run é um trecho de texto com a mesma formatação. Uma única palavra em negrito no meio de uma frase divide o parágrafo em três runs. É também por isso que documentos do Word muitas vezes espalham o mesmo texto por vários runs sem motivo aparente, algo com que todo conversor precisa lidar.
DOCX, DOCM e DOTX
A mesma família tem mais algumas extensões. .docm é um documento habilitado para macros; um .docx comum não pode conter macros, o que o torna a opção mais segura para anexos de e-mail. .dotx é um modelo e .dotm um modelo habilitado para macros. Na estrutura, todos são o mesmo pacote OPC; o que muda são as partes que contêm e os tipos de conteúdo declarados.
Onde o DOCX é usado?
- Correspondência empresarial: propostas, relatórios, memorandos e minutas de contrato.
- Educação: trabalhos, teses, modelos de TCC e materiais de aula.
- Jurídico e setor público: petições e minutas de ofícios.
- Mercado editorial: rodadas de revisão entre autor e editor com controle de alterações e comentários.
- Geração automática de documentos: como o formato é uma norma aberta, programas podem gerar notas, certificados e relatórios em DOCX.
Pontos fortes e fracos
| Pontos fortes | Pontos fracos |
|---|---|
| Norma aberta e documentada (ECMA-376, ISO/IEC 29500) | A norma é enorme; poucos programas a suportam por completo |
| Arquivos pequenos graças à compactação ZIP | O layout pode mudar entre programas diferentes |
| Controle de alterações, comentários, estilos, sumários | As fontes não são incorporadas, então a aparência depende do dispositivo |
| Formato padrão sem macros, mais seguro | A divisão entre Transitional e Strict pode causar problemas de compatibilidade |
| Compatível com quase todas as suítes de escritório | Não é tão adequado quanto o PDF para "travar" uma versão final |
Quais programas abrem DOCX?
O Word 2007 e posteriores, além do Word para a web e para celular, abrem DOCX nativamente. LibreOffice Writer, Google Docs, Apple Pages e WPS Office também leem e gravam o formato. O Word 2003 e anteriores precisam do Pacote de Compatibilidade da Microsoft. Todos lidam bem com texto básico, estilos e tabelas, mas layouts avançados, caixas de texto, SmartArt e alguns códigos de campo podem aparecer de forma diferente de um programa para outro.
Problemas comuns e como resolvê-los
"O arquivo está corrompido e não pode ser aberto"
Como o DOCX é um pacote ZIP, um arquivo baixado pela metade ou um anexo de e-mail salvo com erro não abre. Primeiro, tente baixá-lo de novo. No Word, a opção "Abrir e Reparar" da caixa de diálogo Abrir muitas vezes recupera o texto. Renomear uma cópia para .zip e tentar abri-la também mostra se o arquivo é um pacote válido.
O layout muda em outro computador
O DOCX não incorpora fontes por padrão. Se quem recebe não tem a fonte, outra é usada no lugar, as linhas se reorganizam e as quebras de página mudam. Se o layout precisa ser exato, compartilhe um PDF ou ative a incorporação de fontes nas opções do Word.
O aviso de "Modo de Compatibilidade"
Ao abrir um arquivo .doc antigo em um Word recente, a barra de título mostra "Modo de Compatibilidade". Salvar o arquivo novamente como DOCX desativa esse modo e libera os recursos mais novos.
As alterações controladas continuam visíveis
Alterações não aceitas e comentários ficam no arquivo compartilhado. Aceite ou rejeite todas as alterações e apague os comentários antes de enviar.
Dicas para converter arquivos DOCX
No nosso conversor, documentos do Word são enviados ao nosso servidor e excluídos em até 30 minutos. As conversões entre DOCX, DOC, RTF e PDF são feitas diretamente com o LibreOffice, sem etapa intermediária em HTML. Por isso, Word para PDF mantém o layout da página, cabeçalhos e rodapés, bordas de tabelas, numeração de listas e imagens. Uma fonte personalizada que não esteja instalada no servidor pode ser substituída por uma parecida.
- Para sistemas antigos: Word para DOC ajuda com programas que só aceitam o formato do Word 97-2003. Recursos mais novos sem equivalente no DOC, como alguns gráficos e elementos de layout, podem ser simplificados.
- Para a web e documentação: Word para Markdown mantém títulos, negrito e itálico, listas, tabelas e links; fontes, cores e layout da página são descartados porque o Markdown não tem equivalente para eles.
- No caminho inverso: PDF para Word é sempre uma reconstrução, então guarde o DOCX original sempre que puder.
Perguntas frequentes
Qual é a diferença entre DOCX e DOC?
DOC é o formato binário usado pelo Word 97-2003. DOCX é a norma aberta baseada em ZIP, formada por partes XML, lançada com o Word 2007. O DOCX costuma ser menor, mais robusto e mais seguro, porque não pode conter macros.
O DOCX é uma norma aberta?
Sim. Ele é padronizado pela Ecma como ECMA-376 e pela ISO/IEC como ISO/IEC 29500. Os textos da ECMA-376 podem ser baixados gratuitamente no site da Ecma.
Como posso ver o que há dentro de um arquivo DOCX?
Faça uma cópia, mude a extensão para .zip e abra. Você encontrará o texto em word/document.xml e as imagens na pasta word/media.
Um arquivo DOCX pode conter vírus?
Um DOCX comum não pode conter macros; documentos habilitados para macros usam a extensão .docm. Como em qualquer tipo de arquivo, tenha cuidado com documentos de origem desconhecida e mantenha seu software de escritório atualizado.
Posso abrir DOCX sem o Word?
Sim. LibreOffice Writer, Google Docs, Apple Pages e WPS Office abrem DOCX. Se você só precisa ler o documento, convertê-lo para PDF também é uma opção prática.
