Định dạng tệp
DOCX là gì? Bên trong định dạng tệp của Word
DOCX, định dạng mặc định của Word từ Word 2007, thực chất là một gói ZIP chứa các tệp XML. Bài viết giải thích cấu trúc, các tiêu chuẩn đứng sau và những gì còn giữ được khi chuyển đổi.
Tác giả: Hemen Dönüştür Editör EkibiNgày đăng: 9 phút đọc
Bấm "Lưu" trong Word, gần như chắc chắn tệp bạn nhận được có đuôi .docx. Đây là định dạng mặc định của Microsoft Word đã gần hai mươi năm và là một trong những định dạng tài liệu chỉnh sửa được phổ biến nhất trong doanh nghiệp, giáo dục và khu vực công. Vậy mà ít ai biết rằng một tệp DOCX thực chất là một kho nén ZIP chứa đầy tệp XML. Bài viết này trình bày DOCX ra đời thế nào, dựa trên những tiêu chuẩn nào, bên trong có gì, và cần lưu ý gì khi chuyển DOCX sang định dạng khác.
DOCX là gì?
DOCX là phần mở rộng tệp của các tài liệu viết bằng WordprocessingML, phần xử lý văn bản của tiêu chuẩn Office Open XML (OOXML). Định dạng .doc cũ là định dạng nhị phân đóng, ghi các cấu trúc trong bộ nhớ của Word gần như thẳng xuống đĩa. Ngược lại, DOCX lưu văn bản, định dạng, hình ảnh và cài đặt thành các phần XML riêng biệt rồi gói chúng vào một gói nén duy nhất. Nhờ vậy, tệp thường nhỏ hơn, chịu hỏng hóc tốt hơn, và các phần mềm khác ngoài Word cũng đọc, ghi được.
Sơ lược lịch sử
Microsoft chuyển sang các định dạng Office dựa trên XML theo từng giai đoạn. Định dạng XML đầu tiên cho Excel xuất hiện năm 2000, cho Word năm 2002, và cả hai đều đi kèm Office 2003. Tháng 11 năm 2005, Microsoft tuyên bố sẽ chuẩn hóa các định dạng này thông qua Ecma International dưới tên "Office Open XML". Mọi việc sau đó diễn ra nhanh chóng:
- Tháng 12 năm 2006: Ecma thông qua ấn bản đầu tiên với tên ECMA-376.
- Năm 2007: Office 2007 đặt DOCX làm định dạng lưu mặc định của Word. Với các phiên bản Word cũ hơn, Microsoft phát hành Compatibility Pack để mở và lưu được DOCX.
- Tháng 4 năm 2008: quy trình ISO/IEC theo thủ tục rút gọn, vốn đã thất bại ở lần bỏ phiếu đầu tiên, kết thúc bằng việc được phê duyệt.
- Tháng 11 năm 2008: tiêu chuẩn được công bố với tên ISO/IEC 29500:2008, và Ecma phát hành ấn bản thứ hai tương đương về mặt kỹ thuật vào tháng 12 năm 2008.
- Các năm 2011, 2012 và 2021: lần lượt ra đời ấn bản thứ ba, thứ tư và thứ năm của ECMA-376. Các phần của ấn bản thứ năm hiện hành được cập nhật trong giai đoạn 2015 đến 2021.
Quá trình chuẩn hóa đặt ra hai mức tuân thủ: Transitional và Strict. Transitional bao gồm các tính năng tương thích kế thừa từ tài liệu nhị phân cũ, và đó là mức Word ghi theo mặc định. Office 2010 chỉ đọc được tài liệu Strict; Office 2013 trở đi hỗ trợ Strict đầy đủ, nhưng Microsoft không đặt nó làm mặc định vì lý do tương thích ngược.
Bên trong một tệp DOCX có gì?
Đổi tên một tệp DOCX thành .zip rồi mở ra, thông thường bạn sẽ thấy cấu trúc như sau:
[Content_Types].xml kiểu nội dung của các phần trong gói
_rels/.rels quan hệ cấp cao nhất của gói
docProps/core.xml siêu dữ liệu như tiêu đề, tác giả và ngày tháng
word/document.xml văn bản chính của tài liệu
word/styles.xml định nghĩa kiểu (style)
word/numbering.xml đánh số danh sách
word/header1.xml đầu trang (nếu có)
word/footer1.xml chân trang (nếu có)
word/media/image1.png hình ảnh nhúng
word/_rels/document.xml.rels quan hệ của hình ảnh và liên kếtQuy tắc đóng gói được định nghĩa trong Phần 2 của ECMA-376, tức Open Packaging Conventions (OPC). Mỗi phần có một kiểu nội dung, và các phần được liên kết với nhau qua các tệp quan hệ. Chẳng hạn, một hình ảnh trong văn bản không được tham chiếu bằng tên tệp mà bằng một ID trong tệp quan hệ, như rId5.
Nội dung thực sự nằm trong word/document.xml. Theo tài liệu Open XML của Microsoft, một tài liệu hợp lệ đơn giản nhất cần có gốc document, một body, ít nhất một đoạn (p) chứa một run (r), và văn bản (t) bên trong run đó:
<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>Run là một đoạn văn bản có cùng định dạng. Chỉ một từ in đậm giữa câu cũng đủ tách đoạn văn thành ba run. Đó cũng là lý do tài liệu Word thường rải cùng một đoạn chữ ra nhiều run mà không có lý do nhìn thấy được, điều mà trình chuyển đổi nào cũng phải xử lý.
DOCX, DOCM và DOTX
Cùng họ này còn vài phần mở rộng khác. .docm là tài liệu có macro; một tệp .docx thông thường không thể chứa macro, nên an toàn hơn khi gửi làm tệp đính kèm email. .dotx là mẫu (template) và .dotm là mẫu có macro. Về cấu trúc, tất cả đều là cùng một gói OPC; chúng chỉ khác nhau ở các phần bên trong và kiểu nội dung được khai báo.
DOCX được dùng ở đâu?
- Thư từ công việc: đề xuất, báo cáo, bản ghi nhớ và bản thảo hợp đồng.
- Giáo dục: bài tập, luận văn, mẫu luận văn và tài liệu môn học.
- Pháp lý và khu vực công: bản thảo đơn từ và công văn.
- Xuất bản: các vòng biên tập giữa tác giả và biên tập viên bằng tính năng theo dõi thay đổi và nhận xét.
- Tạo tài liệu tự động: vì định dạng là tiêu chuẩn mở, phần mềm có thể xuất hóa đơn, chứng chỉ và báo cáo dưới dạng DOCX.
Ưu điểm và nhược điểm
| Ưu điểm | Nhược điểm |
|---|---|
| Tiêu chuẩn mở, có tài liệu đầy đủ (ECMA-376, ISO/IEC 29500) | Tiêu chuẩn rất đồ sộ; ít chương trình hỗ trợ toàn bộ |
| Tệp nhỏ nhờ nén ZIP | Bố cục có thể xê dịch giữa các chương trình khác nhau |
| Theo dõi thay đổi, nhận xét, kiểu, mục lục | Phông chữ không được nhúng nên diện mạo phụ thuộc thiết bị |
| Định dạng mặc định không có macro, an toàn hơn | Việc tách Transitional và Strict có thể gây lỗi tương thích |
| Được hầu hết bộ ứng dụng văn phòng hỗ trợ | Không phù hợp bằng PDF để "khóa" bản cuối cùng |
Những chương trình nào mở được DOCX?
Word 2007 trở đi, cùng Word bản web và di động, mở DOCX trực tiếp. LibreOffice Writer, Google Docs, Apple Pages và WPS Office cũng đọc và ghi được định dạng này. Word 2003 trở về trước cần Compatibility Pack của Microsoft. Tất cả đều xử lý tốt văn bản cơ bản, kiểu và bảng, nhưng bố cục nâng cao, hộp văn bản, SmartArt và một số mã trường có thể hiển thị khác nhau giữa các chương trình.
Các lỗi thường gặp và cách khắc phục
"Tệp bị hỏng và không thể mở"
Vì DOCX là gói ZIP, một tệp tải về dở dang hoặc tệp đính kèm email bị lưu lỗi sẽ không mở được. Trước hết hãy thử tải lại. Trong Word, tùy chọn "Open and Repair" (Mở và Sửa) trong hộp thoại Mở thường khôi phục được phần văn bản. Đổi tên một bản sao thành .zip và thử mở cũng cho biết tệp có phải là một gói hợp lệ hay không.
Bố cục bị xê dịch trên máy tính khác
DOCX mặc định không nhúng phông chữ. Nếu máy người nhận không có phông đó, một phông thay thế sẽ được dùng, các dòng xuống hàng khác đi và chỗ ngắt trang bị dịch chuyển. Nếu bố cục phải chính xác tuyệt đối, hãy gửi PDF hoặc bật tính năng nhúng phông chữ trong tùy chọn của Word.
Dòng thông báo "Compatibility Mode"
Mở một tệp .doc cũ bằng Word đời mới sẽ thấy chữ "Compatibility Mode" (Chế độ tương thích) trên thanh tiêu đề. Lưu lại tệp dưới dạng DOCX sẽ tắt chế độ này và mở khóa các tính năng mới hơn.
Các thay đổi được theo dõi vẫn hiện ra
Những thay đổi chưa được chấp nhận và các nhận xét vẫn nằm trong tệp được chia sẻ. Hãy chấp nhận hoặc từ chối mọi thay đổi và xóa nhận xét trước khi gửi.
Mẹo khi chuyển đổi tệp DOCX
Trên trình chuyển đổi của chúng tôi, tài liệu Word được tải lên máy chủ và bị xóa trong vòng 30 phút. Việc chuyển đổi giữa DOCX, DOC, RTF và PDF được thực hiện trực tiếp bằng LibreOffice, không qua bước HTML trung gian. Nhờ đó, Word sang PDF giữ được bố cục trang, đầu trang và chân trang, đường viền bảng, đánh số danh sách và hình ảnh. Phông chữ tùy chỉnh không có trên máy chủ có thể bị thay bằng phông tương tự.
- Cho hệ thống cũ: Word sang DOC hữu ích với phần mềm chỉ chấp nhận định dạng Word 97-2003. Những tính năng mới không có tương đương trong DOC, chẳng hạn một số đồ họa và thành phần bố cục, có thể bị đơn giản hóa.
- Cho web và tài liệu kỹ thuật: Word sang Markdown giữ tiêu đề, chữ đậm và nghiêng, danh sách, bảng và liên kết; phông chữ, màu sắc và bố cục trang bị bỏ đi vì Markdown không có tương đương.
- Chiều ngược lại: PDF sang Word luôn là một quá trình dựng lại, nên hãy giữ tệp DOCX gốc bất cứ khi nào có thể.
Câu hỏi thường gặp
DOCX và DOC khác nhau thế nào?
DOC là định dạng nhị phân dùng trong Word 97-2003. DOCX là tiêu chuẩn mở dựa trên ZIP, gồm các phần XML, ra đời cùng Word 2007. DOCX thường nhỏ hơn, bền hơn và an toàn hơn vì không thể chứa macro.
DOCX có phải là tiêu chuẩn mở không?
Có. Nó được Ecma chuẩn hóa thành ECMA-376 và ISO/IEC chuẩn hóa thành ISO/IEC 29500. Văn bản ECMA-376 có thể tải miễn phí từ trang web của Ecma.
Làm sao xem bên trong một tệp DOCX?
Tạo một bản sao, đổi phần mở rộng thành .zip rồi mở ra. Bạn sẽ thấy văn bản trong word/document.xml và hình ảnh trong thư mục word/media.
Tệp DOCX có thể chứa virus không?
Một tệp DOCX thông thường không thể chứa macro; tài liệu có macro dùng phần mở rộng .docm. Như với mọi loại tệp, hãy cẩn trọng với tài liệu từ nguồn không rõ và luôn cập nhật phần mềm văn phòng.
Có mở được DOCX mà không cần Word không?
Có. LibreOffice Writer, Google Docs, Apple Pages và WPS Office đều mở được DOCX. Nếu chỉ cần đọc, chuyển tệp sang PDF cũng là một cách tiện lợi.
