WordprocessingML

WordprocessingML — это формат файлов, основанный на языке разметки XML, который используется для хранения и представления документов текстового процессора Microsoft Word. Входит в состав семейства форматов Office Open XML (OOXML), стандартизированного международной организацией ISO/IEC (стандарт ISO/IEC 29500:2008, а также ECMA-376). WordprocessingML определяет структуру документа, включая его содержимое (текст, таблицы, изображения), форматирование (шрифты, стили, абзацы), метаданные и параметры страницы, что позволяет обеспечивать высокую степень совместимости между различными версиями Microsoft Office и другими программами, поддерживающими этот стандарт.

История

Формат WordprocessingML был разработан корпорацией Microsoft в рамках перехода от проприетарного двоичного формата .doc (используемого в версиях Word до 2003 года) к открытому, основанному на XML. Первая спецификация была опубликована в 2006 году как часть стандарта ECMA-376, который затем был принят ISO в 2008 году. Основной целью создания нового формата было повышение совместимости документов, их устойчивости к повреждениям, а также упрощение обработки и автоматизации документооборота. В отличие от старого двоичного формата, WordprocessingML представляет собой текстовый XML-файл, который можно читать и редактировать с помощью стандартных текстовых редакторов и инструментов обработки XML.

Файлы WordprocessingML обычно имеют расширение .docx (для документов без макросов) или .docm (для документов с макросами). Формат стал основным для Microsoft Word, начиная с версии Office 2007. С тех пор он претерпел ряд изменений и уточнений, отражённых в последующих версиях стандарта (например, ISO/IEC 29500:2012, ISO/IEC 29500:2016). Несмотря на то, что формат является открытым, его реализация в Microsoft Office включает некоторые проприетарные расширения, что может вызывать неполную совместимость при открытии документов в других офисных пакетах, таких как LibreOffice или Google Docs.

Структура и устройство

Файл WordprocessingML (например, document.docx) представляет собой ZIP-архив, содержащий набор XML-файлов и других ресурсов (изображения, шрифты, темы оформления). Внутренняя структура архива строго регламентирована стандартом. Основные компоненты включают:

• Основной документ (word/document.xml): содержит собственно содержимое документа — текст, параграфы, таблицы, списки, а также их форматирование. Это центральный файл, в котором описывается логическая структура документа.
• Стили (word/styles.xml): определяет набор стилей (например, «Заголовок 1», «Обычный», «Цитата»), которые могут применяться к элементам документа. Стили могут быть как встроенными, так и пользовательскими.
• Связи (word/_rels/document.xml.rels): файл, содержащий ссылки на внешние ресурсы (изображения, гиперссылки, другие части документа).
• Метаданные (docProps/core.xml): содержит основные свойства документа, такие как автор, дата создания, заголовок, тема. Дополнительные метаданные могут храниться в docProps/app.xml.
• Настройки (word/settings.xml): хранит параметры документа, например, режим совместимости, защиту от изменений, параметры печати.
• Темы (word/theme/theme1.xml): определяет цветовую палитру, шрифты и эффекты, используемые в документе.
• Изображения и другие ресурсы: хранятся в папке word/media/ и других подпапках.

Каждый XML-файл внутри архива использует пространства имён, определённые в стандарте OOXML. Основные элементы в document.xml включают:

• <w:document> — корневой элемент.
• <w:body> — содержит всё содержимое документа.
• <w:p> — параграф.
• <w:r> — текстовый фрагмент (run), который может быть частью параграфа.
• <w:t> — собственно текст внутри фрагмента.
• <w:rPr> — свойства форматирования фрагмента (шрифт, размер, цвет, жирность, курсив и т.д.).
• <w:pPr> — свойства параграфа (выравнивание, отступы, межстрочный интервал).

Классификация и виды

WordprocessingML является частью более широкого семейства Office Open XML, которое включает также SpreadsheetML (для электронных таблиц, формат .xlsx) и PresentationML (для презентаций, формат .pptx). Внутри самого WordprocessingML можно выделить несколько подтипов в зависимости от содержимого и назначения:

• Документы без макросов (.docx): стандартный формат, не содержащий макросов VBA (Visual Basic for Applications). Это наиболее распространённый тип.
• Документы с макросами (.docm): поддерживают макросы, что позволяет автоматизировать действия в документе. Из-за потенциальной угрозы безопасности (вирусы) такие файлы часто блокируются почтовыми серверами.
• Шаблоны (.dotx, .dotm): используются для создания новых документов на основе заданной структуры и форматирования. Шаблоны с макросами имеют расширение .dotm.
• Документы с поддержкой XML-карт (.docx с настраиваемыми XML-схемами): позволяют связывать части документа с внешними XML-данными, что удобно для автоматического заполнения форм.

Применение и значение

WordprocessingML является основным форматом для создания, редактирования и обмена текстовыми документами в экосистеме Microsoft Office, которая доминирует на рынке офисного программного обеспечения. Его применение охватывает практически все сферы, где требуется работа с документами: от делопроизводства и образования до научных публикаций и юридической практики.

Основные преимущества формата:

• Открытость и стандартизация: спецификация опубликована, что позволяет сторонним разработчикам создавать программы, способные читать и создавать файлы .docx.
• Совместимость: документы, созданные в разных версиях Microsoft Word (начиная с 2007), обычно корректно открываются и отображаются.
• Устойчивость к повреждениям: благодаря ZIP-архивации и XML-структуре, повреждение одной части файла часто не приводит к полной потере данных.
• Автоматизация: XML-представление упрощает программную обработку документов, например, для генерации отчётов, заполнения шаблонов или извлечения текста.
• Сжатие: ZIP-архивация значительно уменьшает размер файла по сравнению с двоичным форматом .doc.

Однако существуют и недостатки:

• Сложность спецификации: полная реализация стандарта требует значительных усилий, что приводит к неполной совместимости между различными программами.
• Зависимость от Microsoft: несмотря на открытость, Microsoft Office остаётся эталонной реализацией, и многие расширения (например, для сложных макетов или элементов управления) не полностью поддерживаются в других офисных пакетах.
• Размер файла: для документов с большим количеством изображений или сложным форматированием размер может быть значительным, хотя и меньше, чем у двоичного .doc.

Критика и альтернативы

WordprocessingML, как часть стандарта OOXML, подвергался критике со стороны сторонников открытых форматов, в частности, сообщества, поддерживающего формат OpenDocument (ODF, ISO/IEC 26300). Основные претензии заключались в том, что OOXML слишком сложен, содержит множество неоднозначностей и ориентирован в первую очередь на обратную совместимость с устаревшими функциями Microsoft Word, что затрудняет его реализацию в других программах. Кроме того, процесс стандартизации OOXML в ISO сопровождался спорами о лоббировании со стороны Microsoft.

В качестве альтернативы WordprocessingML используются:

• OpenDocument Text (.odt): формат, принятый в качестве стандарта для многих государственных учреждений (например, в Евросоюзе) и поддерживаемый LibreOffice, Apache OpenOffice и другими программами.
• Rich Text Format (.rtf): более старый, но широко поддерживаемый формат, однако он менее функционален и не поддерживает многие современные возможности.
• Plain Text (.txt): простейший текстовый формат без форматирования.
• HTML: для веб-публикаций и документов, предназначенных для просмотра в браузере.

Несмотря на критику, WordprocessingML остаётся доминирующим форматом для текстовых документов в корпоративной среде и среди пользователей Microsoft Office.

Интересные факты

• Внутреннее устройство файла .docx можно изучить, просто переименовав его в .zip и открыв любым архиватором. Это позволяет, например, извлечь изображения или проверить структуру документа без установки Microsoft Word.
• Стандарт OOXML включает более 6000 страниц спецификации, что делает его одним из самых объёмных технических стандартов.
• Версия WordprocessingML, используемая в Microsoft Word 2007, имела некоторые отличия от более поздних версий, что иногда приводило к проблемам с совместимостью при открытии старых документов в новых версиях программы.
• Формат поддерживает встраивание шрифтов, что позволяет документу корректно отображаться на компьютерах, где эти шрифты не установлены.

Источники

• ISO/IEC 29500-1:2016 — Information technology — Document description and processing languages — Office Open XML File Formats — Part 1: Fundamentals and Markup Language Reference.
• ECMA-376 — Office Open XML File Formats.
• Спецификация Microsoft Office Open XML (OOXML) — официальная документация Microsoft.
• Статья «Office Open XML» в Википедии (русскоязычная версия).
• Книга «Open XML: The Markup Explained» by Wouter van Vugt.