Định dạng tệp
DOC là gì? Định dạng nhị phân của Word 97-2003
DOC là định dạng tài liệu nhị phân mà Word dùng từ Word 97 đến Word 2003, và vẫn xuất hiện trong rất nhiều kho lưu trữ. Đây là cách nó hoạt động bên trong, những hạn chế của nó và cách chuyển đổi an toàn.
Tác giả: Hemen Dönüştür Editör EkibiNgày đăng: 9 phút đọc
Lục lại kho lưu trữ cũ của một cơ quan, kéo xuống cuối một chuỗi email dài, hay xuất báo cáo từ một phần mềm đã nhiều năm không cập nhật, bạn sẽ gặp những tệp có đuôi .doc. DOC là định dạng mặc định của Microsoft Word cho đến khi DOCX xuất hiện cùng Word 2007, và vẫn còn vô số tài liệu ở định dạng này. Bài viết giải thích DOC ra đời từ đâu, được tổ chức bên trong thế nào, vì sao khác DOCX, và cách mở cũng như chuyển đổi các tệp này một cách an toàn.
DOC là gì?
DOC là định dạng tài liệu nhị phân của Microsoft Word. Ngày nay "DOC" thường chỉ định dạng chung của Word 97, 2000, 2002 (XP) và 2003, và đặc tả chính thức của Microsoft cũng bao trùm đúng các phiên bản này. Khác với các định dạng dựa trên văn bản, mở tệp DOC bằng Notepad sẽ chẳng thấy gì có nghĩa: nội dung là một chuỗi byte được sắp xếp theo các cấu trúc dữ liệu riêng của Word.
Sơ lược lịch sử
Phần mở rộng ".doc" được dùng lần đầu năm 1983 với phiên bản MS-DOS của Word. Phần mở rộng giữ nguyên, nhưng định dạng đằng sau đã thay đổi nhiều lần:
- Word for Windows 1.0 và 2.0: dùng định dạng DOC riêng.
- Word 6.0 và Word 95: định dạng thay đổi, và hai phiên bản này dùng chung.
- Word 97 đến Word 2003: DOC được xây dựng lại trên nền OLE và Compound File Binary Format (CFB). Microsoft cũng phát hành một bộ chuyển đổi nhập để người dùng Word 6.0 và 95 mở được các tệp mới.
- Word 2007: DOCX trở thành mặc định. Word vẫn tiếp tục mở và lưu DOC; khi bạn mở một tệp như vậy, thanh tiêu đề hiện "Compatibility Mode" (Chế độ tương thích).
Chuyện tài liệu hóa định dạng này cũng có một lịch sử dài. Năm 1997, Microsoft công bố đặc tả định dạng nhị phân của Office 97 kèm một giấy phép hạn chế, rồi rút lại vào năm 1999. Từ năm 2006 đến tháng 2 năm 2008, đặc tả chỉ được cung cấp theo yêu cầu với điều kiện hạn chế, nên các dự án như OpenOffice.org phải dùng kỹ thuật đảo ngược để hiểu định dạng. Tháng 2 năm 2008, Microsoft công bố đặc tả DOC theo Open Specification Promise. Tài liệu hiện được đăng trên Microsoft Learn với tên [MS-DOC] ghi phiên bản đầu tiên là ngày 27 tháng 6 năm 2008, và vẫn đang được duy trì: bản sửa đổi gần nhất được liệt kê trên trang có ngày 17 tháng 2 năm 2026.
Bên trong một tệp DOC có gì?
Một tệp DOC từ Word 97 trở đi thực chất là một "hệ thống tệp bên trong một tệp". Theo đặc tả [MS-CFB] của Microsoft, Compound File Binary Format cung cấp một cấu trúc giống hệ thống tệp nằm trong một tệp, dùng để lưu các luồng dữ liệu riêng của ứng dụng. Thư mục được gọi là storage và tệp được gọi là stream. Tệp được chia thành các sector có kích thước cố định (512 byte ở phiên bản 3, 4096 byte ở phiên bản 4), và một bảng cấp phát (FAT) theo dõi sector nào thuộc về stream nào.
Mọi tệp phức hợp đều bắt đầu bằng cùng một chữ ký 8 byte:
D0 CF 11 E0 A1 B1 1A E1Chữ ký này không dành riêng cho Word; các tệp Excel (.xls) và PowerPoint (.ppt) đời cũ cũng dùng cùng loại vỏ chứa. Điều làm một tệp DOC trở thành tài liệu Word là tập hợp các stream bên trong:
- Stream WordDocument: chứa văn bản của tài liệu và, ở vị trí 0, khối FIB (File Information Block). FIB hoạt động như một mục lục, chỉ ra mọi thứ khác nằm ở đâu.
- Stream bảng (0Table hoặc 1Table): mang dữ liệu mà FIB trỏ tới, như định dạng, kiểu, phông chữ và thuộc tính đoạn văn. Theo MS-DOC, bit
fWhichTblStmtrong FIB quyết định dùng stream nào; nếu có cả hai, stream không được tham chiếu sẽ bị bỏ qua. - Stream Data: có thể chứa dữ liệu bổ sung như hình ảnh nhúng.
- Storage ObjectPool: lưu các đối tượng OLE nhúng, chẳng hạn một bảng Excel.
- Các stream SummaryInformation: siêu dữ liệu tóm tắt như tiêu đề, tác giả và ngày tạo.
Nếu tài liệu được mã hóa, stream bảng bắt đầu bằng một header mã hóa. Cách bố trí phức tạp, dựa trên con trỏ này giúp tệp DOC tải nhanh, nhưng cũng có nghĩa là chỉ một sector hỏng có thể khiến cả tài liệu không đọc được, và các phần mềm khác rất khó triển khai định dạng này cho đúng.
DOC so với DOCX
| Đặc điểm | DOC | DOCX |
|---|---|---|
| Cấu trúc | Nhị phân, tệp phức hợp OLE2 | Các phần XML bên trong ZIP |
| Tiêu chuẩn | Đặc tả do Microsoft công bố (MS-DOC) | ECMA-376 và ISO/IEC 29500 |
| Macro | Có thể chứa macro VBA trong cùng tệp | Không thể (tài liệu có macro dùng .docm) |
| Khả năng chịu lỗi | Thấp, một lỗi duy nhất có thể ảnh hưởng cả tệp | Cao hơn, các phần có thể đọc độc lập |
| Tính năng Word mới | Một số tính năng sau 2007 không có tương đương | Hỗ trợ đầy đủ |
Ngày nay còn gặp DOC ở đâu?
- Kho lưu trữ doanh nghiệp và cơ quan nhà nước: thư từ, báo cáo và biểu mẫu tạo trước năm 2007.
- Phần mềm cũ: các công cụ kế toán, nhân sự hoặc chuyên ngành vẫn xuất báo cáo dạng DOC.
- Hệ thống tải lên: các biểu mẫu web cũ và hệ thống nội bộ chỉ nhận DOC.
- Mẫu có macro: biểu mẫu và mẫu tài liệu có tự động hóa được xây dựng từ nhiều năm trước.
Ưu điểm và nhược điểm
Ưu điểm: được phần mềm hỗ trợ cực kỳ rộng rãi; gần như mọi trình xử lý văn bản từ thời Word 97 đều mở được DOC. Vì đã tồn tại rất lâu, đây là định dạng Word ít gây rắc rối nhất với các hệ thống cũ.
Nhược điểm: do lịch sử khép kín, tài liệu phức tạp có thể bị vỡ bố cục trong ứng dụng của bên thứ ba. Vì có thể chứa macro, DOC rủi ro hơn DOCX xét về phần mềm độc hại. Một số tính năng thêm vào sau Word 2007, như các thành phần đồ họa và bố cục mới, sẽ bị đơn giản hóa hoặc mất khi lưu thành DOC. Tệp cũng thường nặng hơn một tệp DOCX có cùng nội dung.
Những chương trình nào mở được DOC?
Mọi phiên bản Microsoft Word trên máy tính đều mở được DOC. LibreOffice Writer, Google Docs, Apple Pages và WPS Office cũng đọc được. Trên máy chủ Linux và trong các quy trình tự động hóa, tệp DOC thường được xử lý bằng LibreOffice.
Các lỗi thường gặp và cách khắc phục
Word mở tệp ở Protected View và tôi không sửa được
Vì lý do bảo mật, Word mở các tệp đời cũ tải từ internet hoặc email ở chế độ chỉ đọc (Protected View, Chế độ xem được bảo vệ). Nếu tin tưởng nguồn gửi, hãy bấm "Enable Editing" (Bật chỉnh sửa). Đừng bật macro trong tài liệu từ nguồn không rõ yêu cầu bạn làm vậy.
Tệp không mở được hoặc hiện ký tự rác
Một số tệp .doc thực ra không phải DOC. Kết quả "Save as Web Page" (Lưu dưới dạng trang web) của Word, hay các tệp RTF hoặc DOCX bị đổi tên, có thể mang đuôi .doc. Hãy thử một chương trình tự nhận diện nội dung như LibreOffice. Với một tệp DOC thực sự bị hỏng, tùy chọn "Open and Repair" (Mở và Sửa) của Word có thể khôi phục được phần văn bản.
Chế độ tương thích và các tính năng bị thiếu
Các tính năng Word mới không dùng được trong tài liệu lưu dưới dạng DOC. Nếu bạn còn tiếp tục chỉnh sửa, hãy chuyển nó sang DOCX bằng "File > Info > Convert" (Tệp > Thông tin > Chuyển đổi).
Mẹo khi chuyển đổi tệp DOC
Trên trình chuyển đổi của chúng tôi, tệp DOC được tải lên máy chủ, xử lý bằng LibreOffice và bị xóa trong vòng 30 phút. Trước khi chuyển đổi, những byte đầu tiên của tệp được kiểm tra: tệp DOC thật, tệp ".doc" thực chất là DOCX hoặc RTF, và tệp ".doc" dạng HTML do Word xuất ra đều được chấp nhận. Nếu nội dung không khớp với loại nào, bạn sẽ nhận thông báo "không đọc được tệp" thay vì một tài liệu đầy ký tự rác.
- DOC sang Word (DOCX) là cách tốt nhất để giữ cho tài liệu cũ tiếp tục dùng được. Quá trình chuyển đổi chạy trực tiếp qua LibreOffice không qua bước trung gian, nên bố cục trang, đầu trang và chân trang, bảng và hình ảnh đều được giữ nguyên.
- DOC sang PDF phù hợp để lưu trữ hoặc chia sẻ với người không có Word.
- DOC sang TXT chỉ trích xuất văn bản thuần, rất tiện để tìm kiếm trong kho lưu trữ cũ hoặc đưa vào một hệ thống khác.
- Nếu cần tải một tệp DOCX lên hệ thống cũ, hãy dùng Word sang DOC.
Câu hỏi thường gặp
Có nên tiếp tục dùng định dạng DOC không?
Không nên cho tài liệu mới; DOCX an toàn hơn, bền hơn và là tiêu chuẩn mở. Chỉ dùng DOC khi hệ thống nhận tệp không chấp nhận định dạng nào khác.
Tệp DOC có thể chứa virus không?
Tệp DOC có thể chứa macro VBA, và virus macro có thể lây lan theo cách đó. Đừng bật macro trong tệp DOC từ nguồn không rõ, và luôn cập nhật phần mềm văn phòng.
Chuyển DOC sang DOCX có bị mất gì không?
Thường là không. DOCX bao quát gần như mọi thứ DOC hỗ trợ. Một số mã trường hoặc đối tượng nhúng đặc thù của các phiên bản Word rất cũ có thể hiển thị khác đi, nên hãy rà soát lại tài liệu quan trọng sau khi chuyển đổi.
Đặc tả DOC có công khai không?
Có. Microsoft công bố định dạng nhị phân Word 97-2003 với tên [MS-DOC] và vỏ chứa tệp phức hợp với tên [MS-CFB] trên Microsoft Learn. Từ tháng 2 năm 2008, các đặc tả này thuộc phạm vi Open Specification Promise.
Có mở được tệp DOC trên điện thoại không?
Ứng dụng Word trên di động và Google Docs mở được DOC. Nếu chỉ cần đọc, chuyển tệp sang PDF sẽ đảm bảo hiển thị đúng trên mọi thiết bị.
