Формат документа DOC¶

DOC — распространённый формат файлов для хранения документов с форматированием текста, разработанный корпорацией Microsoft и ассоциированный с текстовым редактором Microsoft Word. Файлы с расширением .doc (в более поздних версиях — .docx) содержат текст, таблицы, изображения, стили, гиперссылки и другие элементы документа. На протяжении нескольких десятилетий формат DOC являлся стандартом де-факто для обмена текстовыми документами в операционных системах Windows и во многом сохраняет эту роль.

¶История

Формат DOC появился в 1983 году вместе с первым выпуском Microsoft Word. Первоначально он представлял собой бинарный формат, основанный на внутреннем представлении документов программы. В 1990-е годы, с распространением Windows 3.1 и Windows 95, Word стал доминирующим текстовым редактором, а формат DOC — стандартным способом обмена документами в деловой среде.

В 2006 году Microsoft представила формат Office Open XML (OOXML), обозначенный расширением .docx. В отличие от предшественника, он основан на ZIP-архиве с XML-файлами внутри и описан как открытый стандарт (стандарт ISO/IEC 29500). В 2007 году формат DOCX стал основным в Microsoft Office 2007 и позднее, хотя поддержка классического .doc сохранена до сих пор.

¶Устройство формата

Классический файл .doc представляет собой бинарный поток данных в формате Compound File Binary Format (так называемый «OLE-контейнер»), в котором могут храниться несколько вложенных объектов: основной текст документа, таблицы стилей, данные о встроенном макросе, изображения и метаданные. Структура бинарного формата не документировалась полностью, что ограничивало возможности независимой разработки программ для работы с ним.

Формат .docx устроен иначе: файл является ZIP-архивом, содержащим XML-документы. Основные компоненты:

• document.xml — основной текст и структура документа;
• styles.xml — стили оформления;
• numbering.xml — настройки нумерованных списков;
• media/ — встроенные изображения;
• [Content_Types].xml — описание типов содержимого.

Такая структура делает файл компактнее, устойчивее к повреждениям и позволяет разбирать содержимое обычными средствами.

¶Совместимость и альтернативы

Кроме Microsoft Word, формат DOC и DOCX поддерживаются множеством сторонних редакторов: LibreOffice Writer, OpenOffice Writer, «Р7-Офис», «МойОфис», Google Docs, WPS Office и другие. Существуют также специализированные библиотеки для программной обработки документов — например, Apache POI (Java), python-docx (Python), Open XML SDK (.NET).

В качестве альтернатив формату DOC используются:

В России формат DOCX активно используется в государственных и корпоративных информационных системах; многие из них также поддерживают отечественные форматы (например, ODF и форматы, описанные в стандартах ГОСТ).

¶Применение

Файлы DOC применяются для хранения и обмена текстовыми документами: отчётами, договорами, инструкциями, резюме, учебными работами. Формат поддерживает сложное форматирование, стили, автоматическую нумерацию, оглавления, сноски, встроенные объекты (таблицы, формулы, диаграммы) и макросы на языке VBA (в классическом .doc).

¶Примечания

В 2000-е годы формат DOC подвергался критике за закрытость и уязвимости: вредоносные макросы, распространявшиеся через документы Word, были одним из основных векторов заражения. В ответ Microsoft ввела политику безопасности по умолчанию, отключающую выполнение макросов в документах из ненадёжных источников.

Источники:

• Microsoft Office Open XML documentation
• ISO/IEC 29500: Office Open XML File Formats
• LibreOffice Help: Supported file formats
• «Р7-Офис»: документация по поддерживаемым форматам