Що таке DOCX? Як улаштований формат файлів Word

Натисніть "Зберегти" у Word, і отриманий файл майже напевно матиме розширення .docx. Уже майже двадцять років це стандартний формат Microsoft Word і один із найпоширеніших форматів документів для редагування в бізнесі, освіті та державному секторі. Проте мало хто знає, що файл DOCX насправді є ZIP-архівом, повним XML-файлів. У цій статті розповідаємо, як з'явився DOCX, на яких стандартах він побудований, що в нього всередині і що варто пам'ятати, конвертуючи DOCX в інші формати.

Що таке DOCX?

DOCX - це розширення файлів для документів, записаних у WordprocessingML, частині стандарту Office Open XML (OOXML), що відповідає за текстові документи. Старіший формат .doc був закритим двійковим форматом, який більш-менш напряму записував на диск внутрішні структури Word із пам'яті. DOCX натомість зберігає текст, форматування, зображення й налаштування як окремі XML-частини та пакує їх в один стиснений пакет. Завдяки цьому файли зазвичай менші, стійкіші до пошкоджень, і їх можуть читати й записувати не лише Word, а й інші програми.

Коротка історія

Microsoft переходила на Office-формати на основі XML поетапно. Перший XML-формат для Excel з'явився у 2000 році, для Word - у 2002 році, і обидва увійшли до Office 2003. У листопаді 2005 року Microsoft оголосила, що стандартизує ці формати через Ecma International під назвою "Office Open XML". Далі події розвивалися швидко:

• Грудень 2006 року: Ecma затвердила перше видання як ECMA-376.
• 2007 рік: в Office 2007 DOCX став стандартним форматом збереження Word. Для старіших версій Word Microsoft випустила Compatibility Pack, що дозволяв відкривати й зберігати DOCX.
• Квітень 2008 року: прискорена процедура ISO/IEC, яка не пройшла перше голосування, завершилася затвердженням.
• Листопад 2008 року: стандарт опублікували як ISO/IEC 29500:2008, а в грудні 2008 року Ecma випустила технічно еквівалентне друге видання.
• 2011, 2012 і 2021 роки: вийшли третє, четверте й п'яте видання ECMA-376. Частини чинного п'ятого видання оновлювали з 2015 по 2021 рік.

Стандартизація запровадила два рівні відповідності: Transitional і Strict. Transitional містить засоби сумісності, успадковані від старих двійкових документів, і саме його Word записує за замовчуванням. Office 2010 міг лише читати документи Strict; Office 2013 і новіші повністю підтримують Strict, але Microsoft не зробила його стандартним із міркувань зворотної сумісності.

Що всередині файлу DOCX?

Перейменуйте файл DOCX на .zip і відкрийте його, і зазвичай ви побачите приблизно таку структуру:

[Content_Types].xml      типи вмісту частин пакета
_rels/.rels              зв'язки пакета верхнього рівня
docProps/core.xml        метадані: назва, автор, дати
word/document.xml        основний текст документа
word/styles.xml          визначення стилів
word/numbering.xml       нумерація списків
word/header1.xml         верхній колонтитул (якщо є)
word/footer1.xml         нижній колонтитул (якщо є)
word/media/image1.png    вбудовані зображення
word/_rels/document.xml.rels  зв'язки зображень і гіперпосилань

Правила пакування описано в частині 2 ECMA-376, Open Packaging Conventions (OPC). Кожна частина має тип вмісту, а частини пов'язані між собою через файли зв'язків. Наприклад, зображення в тексті вказується не за назвою файлу, а за ідентифікатором у файлі зв'язків, як-от rId5.

Власне вміст зберігається в word/document.xml. Згідно з документацією Microsoft щодо Open XML, найпростіший коректний документ потребує кореневого елемента document, елемента body, принаймні одного абзацу (p) із фрагментом (r) і тексту (t) усередині цього фрагмента:

<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>

Фрагмент (run) - це відрізок тексту з однаковим форматуванням. Одне жирне слово посеред речення розбиває абзац на три фрагменти. Через це документи Word часто розкидають той самий текст по багатьох фрагментах без видимої причини, і з цим мусить впоратися кожен конвертер.

DOCX, DOCM і DOTX

У цій родині є ще кілька розширень. .docm - документ із підтримкою макросів; звичайний .docx не може містити макросів, тож він безпечніший для вкладень в електронних листах. .dotx - це шаблон, а .dotm - шаблон із підтримкою макросів. Структурно всі вони є тим самим пакетом OPC; відрізняються вони частинами, які містять, і заявленими типами вмісту.

Де використовують DOCX?

• Ділове листування: комерційні пропозиції, звіти, службові записки й проєкти договорів.
• Освіта: завдання, дипломні роботи, їх шаблони та навчальні матеріали.
• Право й державний сектор: заяви та проєкти листів.
• Видавнича справа: редагування між автором і редактором за допомогою режиму виправлень і коментарів.
• Автоматичне створення документів: оскільки формат є відкритим стандартом, програми можуть генерувати рахунки, сертифікати та звіти у DOCX.

Переваги й недоліки

Якими програмами відкрити DOCX?

Word 2007 і новіші версії, а також Word для вебу та мобільних пристроїв відкривають DOCX нативно. LibreOffice Writer, Google Docs, Apple Pages і WPS Office також уміють його читати й записувати. Для Word 2003 і старіших потрібен Compatibility Pack від Microsoft. Усі ці програми добре працюють зі звичайним текстом, стилями й таблицями, але складна верстка, текстові поля, SmartArt і деякі коди полів можуть виглядати по-різному в різних програмах.

Типові проблеми та як їх розв'язати

"Файл пошкоджено, і його неможливо відкрити"

Оскільки DOCX - це ZIP-пакет, частково завантажений файл або неправильно збережене вкладення з листа не відкриється. Спершу спробуйте завантажити його ще раз. У Word параметр "Відкрити й відновити" в діалозі відкриття часто повертає текст. Якщо перейменувати копію на .zip і спробувати відкрити її, ви також дізнаєтеся, чи є файл узагалі коректним пакетом.

На іншому комп'ютері зсувається верстка

DOCX за замовчуванням не вбудовує шрифти. Якщо в одержувача немає потрібного шрифту, підставляється замінник, рядки переносяться інакше, а розриви сторінок зміщуються. Якщо верстка має бути точною, надсилайте PDF або ввімкніть вбудовування шрифтів у параметрах Word.

Повідомлення "Режим сумісності"

Якщо відкрити старий файл .doc у сучасному Word, у рядку заголовка з'явиться "Режим сумісності". Повторне збереження файлу у форматі DOCX вимикає цей режим і відкриває доступ до новіших функцій.

Виправлення досі видно

Неприйняті зміни й коментарі залишаються у файлі, яким ви ділитеся. Перед надсиланням прийміть або відхиліть усі зміни та видаліть коментарі.

Поради щодо конвертації DOCX

У нашому конвертері документи Word завантажуються на наш сервер і видаляються протягом 30 хвилин. Конвертація між DOCX, DOC, RTF і PDF виконується безпосередньо за допомогою LibreOffice, без проміжного кроку через HTML. Тому Word у PDF зберігає верстку сторінок, колонтитули, межі таблиць, нумерацію списків і зображення. Нестандартний шрифт, якого немає на сервері, може бути замінено схожим.

• Для застарілих систем: Word у DOC допоможе з програмами, які приймають лише формат Word 97-2003. Новіші можливості, що не мають відповідника в DOC, як-от деякі графічні елементи та елементи верстки, можуть бути спрощені.
• Для вебу й документації: Word у Markdown зберігає заголовки, жирний і курсивний текст, списки, таблиці й посилання; шрифти, кольори й верстка сторінок відкидаються, бо в Markdown для них немає відповідників.
• У зворотному напрямку: PDF у Word - це завжди реконструкція, тож за можливості зберігайте оригінальний DOCX.

Часті запитання

Чим DOCX відрізняється від DOC?

DOC - це двійковий формат Word 97-2003. DOCX - відкритий стандарт на основі ZIP, що складається з XML-частин і з'явився разом із Word 2007. DOCX зазвичай менший, надійніший і безпечніший, бо не може містити макросів.

Чи є DOCX відкритим стандартом?

Так. Його стандартизувала Ecma як ECMA-376 та ISO/IEC як ISO/IEC 29500. Тексти ECMA-376 можна безкоштовно завантажити із сайту Ecma.

Як зазирнути всередину файлу DOCX?

Зробіть копію, змініть її розширення на .zip і відкрийте. Текст ви знайдете у word/document.xml, а зображення - у папці word/media.

Чи може файл DOCX містити вірус?

Звичайний DOCX не може містити макросів; документи з макросами мають розширення .docm. Як і з будь-яким типом файлів, будьте обережні з документами з невідомих джерел і вчасно оновлюйте офісне програмне забезпечення.

Чи можна відкрити DOCX без Word?

Так. LibreOffice Writer, Google Docs, Apple Pages і WPS Office відкривають DOCX. Якщо вам потрібно лише прочитати документ, зручно також конвертувати його в PDF.

Джерела

• Ecma International: ECMA-376 Office Open XML File Formats
• Microsoft Learn: Structure of a WordprocessingML document
• Вікіпедія: Office Open XML (історія, вторинне джерело)
• LibreOffice