Формат DOCX

DOCX — это формат файлов, предназначенный для хранения текстовых документов с возможностью использования форматирования, таблиц, изображений, диаграмм и других элементов. Файлы с расширением .docx являются основным форматом текстового процессора Microsoft Word, начиная с версии Microsoft Office 2007. Формат основан на открытом стандарте Office Open XML (OOXML), который был стандартизирован международной организацией ISO (ISO/IEC 29500) и ECMA (ECMA-376). DOCX пришёл на смену устаревшему бинарному формату DOC (.doc), который использовался в более ранних версиях Microsoft Word.

История

Предпосылки создания

До появления DOCX основным форматом Microsoft Word был бинарный формат DOC (расширение .doc). Этот формат был закрытым, его спецификация не публиковалась, что создавало проблемы для сторонних разработчиков, пытавшихся обеспечить совместимость своих программ с документами Word. Кроме того, бинарный формат был подвержен повреждениям и имел ограничения по размеру файла.

Разработка и внедрение

В начале 2000-х годов корпорация Microsoft приступила к разработке нового формата, основанного на принципах XML (Extensible Markup Language). Целью было создание открытого, документированного и более устойчивого к повреждениям формата. Результатом стал Office Open XML, который лёг в основу форматов для всех приложений пакета Microsoft Office 2007: DOCX (Word), XLSX (Excel) и PPTX (PowerPoint).

Первая версия формата была выпущена вместе с Microsoft Office 2007 в 2006 году. В 2008 году OOXML был принят в качестве стандарта ECMA (ECMA-376), а в 2008 году — ISO (ISO/IEC 29500). Несмотря на это, процесс стандартизации сопровождался спорами и критикой со стороны конкурирующих организаций, в частности, сторонников формата OpenDocument (ODF).

Дальнейшее развитие

Формат DOCX продолжает развиваться. В последующих версиях Microsoft Office (2010, 2013, 2016, 2019, 2021, Microsoft 365) вносились незначительные изменения и расширения, в основном касающиеся поддержки новых функций, таких как расширенные типы диаграмм, элементы управления содержимым и улучшенная работа с графикой. Обратная совместимость между версиями формата в целом сохраняется, хотя некоторые новые функции могут не отображаться в старых версиях Word.

Структура и устройство

Архитектура ZIP-архива

Физически файл DOCX представляет собой ZIP-архив, содержащий набор XML-файлов и папок. Такая архитектура обеспечивает несколько преимуществ:

• Сжатие: Размер файла уменьшается за счёт сжатия данных внутри ZIP-архива.
• Устойчивость к повреждениям: В отличие от бинарного формата, повреждение одного XML-файла внутри архива не всегда приводит к полной неработоспособности всего документа. Некоторые части документа могут быть восстановлены или проигнорированы.
• Доступность: Поскольку ZIP-архив можно открыть любым архиватором, содержимое файла доступно для просмотра и редактирования без использования Microsoft Word.

Основные компоненты внутри архива

Внутри ZIP-архива DOCX-файла находятся следующие ключевые элементы:

• [Content_Types].xml: Файл, который описывает типы содержимого всех частей архива (например, основной текст, изображения, стили).
• _rels/.rels: Файл связей, который определяет взаимосвязи между различными частями архива (например, связь между основным текстом и файлом стилей).
• word/document.xml: Основной файл, содержащий текст документа, его структуру (абзацы, заголовки, списки) и базовое форматирование (шрифты, размеры, выравнивание). Это самый важный файл в архиве.
• word/styles.xml: Файл, содержащий определения всех стилей, используемых в документе (стили заголовков, основного текста, списков и т.д.). Стили позволяют единообразно форматировать документ.
• word/media/: Папка, в которой хранятся все встроенные в документ изображения, видео- и аудиофайлы.
• **word/header.xml и word/footer.xml**: Файлы, содержащие содержимое верхних и нижних колонтитулов.
• word/footnotes.xml и word/endnotes.xml: Файлы для сносок и концевых сносок.
• word/theme/theme1.xml: Файл, определяющий тему документа (цветовую схему, шрифты, эффекты).
• docProps/app.xml и docProps/core.xml: Файлы, содержащие метаданные документа: название, автор, дата создания, количество страниц, статистика (количество слов, символов) и т.д.

Классификация и виды

Формат DOCX является основным, но существуют его разновидности, связанные с функциональными возможностями и защитой:

• Стандартный DOCX: Обычный документ без макросов.
• DOCM (Word Macro-Enabled Document): Документ, который может содержать макросы на языке VBA (Visual Basic for Applications). Расширение .docm. Внутри архива DOCM-файла присутствует папка word/vbaProject.bin, содержащая скомпилированный код макросов. Из соображений безопасности многие почтовые серверы и системы блокируют файлы .docm.
• DOTX (Word Template): Шаблон документа. Файлы с расширением .dotx используются для создания новых документов на основе заданного форматирования, стилей и содержимого. Открытие .dotx обычно создаёт новый документ, а не редактирует сам шаблон.
• DOTM (Word Macro-Enabled Template): Шаблон документа, который может содержать макросы. Аналогичен .dotx, но с поддержкой VBA.

Преимущества и недостатки

Преимущества

• Открытость и стандартизация: Формат является открытым стандартом ISO/IEC, что обеспечивает его поддержку многими программами, включая бесплатные офисные пакеты (LibreOffice, OpenOffice, Google Docs, WPS Office).
• Сжатие и малый размер: ZIP-архивация позволяет значительно уменьшить размер файла по сравнению с бинарным DOC.
• Устойчивость к повреждениям: Модульная структура на основе XML и ZIP позволяет восстанавливать части повреждённого файла.
• Богатая функциональность: Поддерживает все возможности современного текстового процессора: сложное форматирование, таблицы, изображения, диаграммы, сноски, колонтитулы, стили, темы, макросы и многое другое.
• Широкая распространённость: Является де-факто стандартом для обмена текстовыми документами в деловой и образовательной среде, особенно в странах, где доминирует Microsoft Office.

Недостатки

• Сложность спецификации: Стандарт OOXML является очень объёмным и сложным, что затрудняет его полную и корректную реализацию в сторонних программах. Это может приводить к незначительным расхождениям в отображении документов при открытии в разных редакторах.
• Зависимость от Microsoft: Несмотря на стандартизацию, некоторые расширенные функции (например, определённые типы элементов управления содержимым или сложные эффекты SmartArt) могут не поддерживаться или отображаться некорректно в программах, отличных от Microsoft Word.
• Потенциальная угроза безопасности: Файлы с макросами (.docm) могут содержать вредоносный код, что делает их потенциальным вектором для кибератак. Стандартные файлы .docx макросов не содержат, но могут включать другие элементы, которые могут быть использованы злоумышленниками (например, поля с кодом).
• Неоптимальность для веба: XML-разметка внутри DOCX содержит много служебной информации, что делает формат менее подходящим для прямого отображения в веб-браузерах по сравнению с HTML.

Применение

DOCX является основным форматом для:

• Создания и редактирования документов: В Microsoft Word и других совместимых текстовых процессорах.
• Обмена документами: В деловой переписке, образовательных учреждениях, государственных организациях. В России, согласно некоторым нормативным актам, допускается использование форматов DOCX и ODF для электронного документооборота.
• Хранения архивов: Благодаря сжатию и устойчивости к повреждениям, формат подходит для долговременного хранения текстовых документов.
• Автоматизации документооборота: Формат поддерживается многими системами управления документами (СЭД) и программами для автоматизации создания отчётов, договоров и других типовых документов.

Поддержка в различных программах

• Microsoft Word: Полная и эталонная реализация.
• LibreOffice Writer и OpenOffice Writer: Хорошая поддержка, но могут быть незначительные проблемы с отображением сложных макетов, некоторых типов диаграмм и элементов управления. Обе программы могут сохранять документы в формате DOCX.
• Google Docs: Поддерживает импорт и экспорт в DOCX. При импорте может происходить некоторая потеря форматирования, особенно при работе со сложными таблицами и макросами.
• WPS Office Writer: Высокая степень совместимости с Microsoft Word.
• Apple Pages: Поддерживает импорт и экспорт в DOCX, но может искажать сложное форматирование.

Сравнение с другими форматами

• DOC (бинарный): Устаревший, закрытый, менее устойчивый к повреждениям, не поддерживает современные функции. DOCX является его прямой заменой.
• ODF (OpenDocument): Открытый стандарт, используемый в LibreOffice, OpenOffice и Google Docs. Менее распространён в деловой среде, чем DOCX. ODF проще и компактнее, но имеет меньше возможностей для сложного форматирования.
• PDF (Portable Document Format): Формат для финального представления документа, не предназначенный для редактирования. DOCX, напротив, создан для редактирования. PDF сохраняет точное отображение документа на любом устройстве, в то время как DOCX может выглядеть по-разному в зависимости от программы и версии.

Интересные факты

• Внутри файла DOCX можно найти не только текст, но и скрытую информацию: историю изменений, комментарии, имена авторов, удалённый текст, который не был полностью стёрт. Это может представлять угрозу конфиденциальности при публикации документов.
• Стандарт OOXML, на котором основан DOCX, содержит несколько тысяч страниц спецификации, что делает его одним из самых сложных документов в истории стандартизации.
• Формат DOCX поддерживает встраивание шрифтов в документ, что гарантирует правильное отображение текста на компьютерах, где эти шрифты не установлены.
• В 2010 году правительство Великобритании рекомендовало использовать формат ODF для государственных документов, но позже разрешило использование и DOCX при определённых условиях.

Источники

1. ISO/IEC 29500-1:2016 — Information technology — Document description and processing languages — Office Open XML File Formats.
2. ECMA-376 — Office Open XML File Formats.
3. Microsoft Corporation. (2006). Office Open XML Overview. MSDN.
4. Документация Microsoft по форматам файлов Word.
5. Статья «Office Open XML» в Википедии.