Dokument Word (.docx)
ECMA-376 StandardníDOCX je komprimovaný souborový formát založený na XML, který společnost Microsoft vyvinula pro textové dokumenty. Formát standardizuje dokumenty aplikace Word podle specifikace Office Open XML.
Převést JPG na DOCX
Bezplatný konvertor z JPG do DOCX v prohlížeči. Převeďte soubory okamžitě ve svém zařízení.
Kontrola a metadata
Operační systémy a analyzátory souborů identifikují soubory DOCX kontrolou počáteční binární sekvence bajtů:
Podpis hlavičky na úrovni bajtů (Magic Bytes)
Operační systémy a analyzátory souborů identifikují soubory DOCX kontrolou počáteční binární sekvence bajtů:
HEXADECIMÁLNÍ PODPIS (POSUN 0):
50 4B 03 04ASCII REPREZENTACE: PK..
Standardizace: ECMA-376 / ISO/IEC 29500
Technické specifikace
| Architektura kontejneru | Open Packaging Convention (OPC) ZIP archiv obsahující XML části |
| Komprese | Deflate komprese jednotlivých XML souborů a mediálních zdrojů uvnitř ZIPu |
| Pořadí bajtů | Little-Endian pro záznamy ZIP hlavičky; UTF-8 XML pro text dokumentu |
| Barevné prostory | sRGB pro text a styly; vložené části obrázků si zachovávají původní profily |
| Kanály a struktura | Strukturovaná hierarchie dokumentu: odstavce (w:p), textové úseky (w:r) a textové uzly (w:t) |
| Max. rozměry | 55.87 x 55.87 cm (maximální velikost stránky Wordu je 22 x 22 palců) |
| Průhlednost | Podporováno v rámci vložených rastrových a vektorových tvarů |
| Streamování a progresivní načítání | Struktura ZIP vyžaduje čtení centrálního adresáře na konci archivu |
Technická srovnávací matice: DOCX vs konkurence
| Technický atribut | DOCX (Aktuální) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Primární účel | Upravitelný dokument pro zpracování textu | Digitální papír s pevným rozvržením | Upravitelný dokument v otevřeném standardu | Lehké psaní v prostém textu |
| Konzistence formátování | Liší se podle softwarového prohlížeče a nainstalovaných písem | Zobrazení se může lišit podle písem, aplikace a zařízení. | Liší se podle softwarového balíku | Závislé na parseru Markdownu a CSS |
| Zkušenost s úpravami | Plnohodnotné WYSIWYG úpravy se sledováním změn | Obtížné upravovat bez specializovaných nástrojů | Plnohodnotné WYSIWYG úpravy | Rychlé úpravy v prostém textu |
| Indexování pro vyhledávání a extrakce textu | Rychlý průchod uzly XML napříč document.xml bez vykreslovacího modulu | Vyžaduje OCR nebo složité dekodéry streamů pro mapování písem v PDF | Přímý průchod uzly XML napříč content.xml | Okamžité nativní vyhledávání pomocí regulárních výrazů a řetězců v prostém textu |
Běžné režimy poškození a příručka pro obnovení v hex
Word zobrazuje chybu: 'Soubor je poškozen a nelze jej otevřít'.
Hlavní příčina: Poškozená struktura ZIP kontejneru nebo chybně formátované XML v souboru word/document.xml.
Obnovení: Přejmenujte .docx na .zip, spusťte 'zip -FF broken.zip --out fixed.zip', extrahujte word/document.xml, opravte syntaktické chyby XML pomocí editoru XML a znovu zabalte do ZIPu.
Bezpečnostní analýza a vektory útoků na parser
Soubory DOCX nemohou obsahovat aktivní makra VBA (pro makra je vyžadován formát .docm), díky čemuž jsou bezpečnější než starší soubory .doc, ale injektáž externích šablon zůstává rizikem.
Známé vektory útoků
- Injektáž vzdálených šablon odkazujících na škodlivé externí šablony dotm.
- Zranitelnosti XML External Entity (XXE) v neopravených parserech dokumentů.
- Vložené objekty OLE maskující spustitelný malvér.
Doporučené bezpečnostní postupy: Nepovolujte soubory s podporou maker (.docm) na veřejných nahrávacích portálech, kontrolujte '_rels' na přítomnost nedůvěryhodných externích šablon URI a provádějte sanitizaci vstupů XML.
Historický vývoj a milníky
Klíčové výhody a přednosti
- Balení Open XML umožňuje automatizované generování dokumentů a extrakci textu bez aplikace Microsoft Word.
- ZIP komprese výrazně snižuje velikost souboru ve srovnání se staršími binárními soubory .doc.
- Modulární struktura izoluje poškozené komponenty a zabraňuje ztrátě celého dokumentu.
Technická omezení a nevýhody
- Vizuální vykreslování se může lišit napříč LibreOffice, Google Docs a Microsoft Word kvůli heuristice rozvržení písem.
- Není navrženo pro archivaci s pevným rozvržením (na rozdíl od PDF/A).
- Složitá specifikace ECMA-376 s tisíci značek pro zpětnou kompatibilitu.
Zajímavé technické drobnosti
- Přejmenování souboru .docx na .zip umožňuje extrahovat všechny vložené obrázky přímo ze složky 'word/media/'.
- Primární textový obsah libovolného dokumentu Word se nachází v souboru 'word/document.xml'.
- Navzdory názvu 'XML' nelze soubor DOCX upravovat přímo v obyčejném textovém editoru bez předchozího rozbalení jeho kontejneru Open Packaging Convention (OPC).
Často kladené technické otázky
Jak mohu extrahovat všechny obrázky ze souboru DOCX bez aplikace Word?
Změňte příponu souboru z '.docx' na '.zip', otevřete archiv libovolným nástrojem pro rozbalování a přejděte do složky 'word/media/'. Jsou zde uloženy všechny původní fotografie a grafika ve vysokém rozlišení.
Jaký je rozdíl mezi .doc a .docx?
.doc je starší proprietární binární formát používaný ve Wordu 97 až 2003. .docx je moderní otevřený standard (ISO/IEC 29500) založený na XML a ZIP kompresi, který nabízí menší velikost souborů, větší spolehlivost obnovení a žádnou schopnost spouštět makra.
Mohou soubory DOCX přenášet malvér nebo viry?
Standardní soubory DOCX nemohou obsahovat aktivní skripty maker VBA (což vyžaduje formát .docm). Mohou však obsahovat odkazy na injektáž externích šablon nebo škodlivé balíčky vložených objektů OLE, což je důvod, proč moderní kancelářské balíky otevírají nedůvěryhodná stahování z webu v Chráněném zobrazení.