Word-dokument (.docx)
ECMA-376 StandardDOCX er et komprimeret, XML-baseret filformat udviklet af Microsoft til tekstbehandlingsdokumenter, der standardiserer Word-dokumenter i henhold til Office Open XML-specifikationen.
Konverter JPG til DOCX
Gratis JPG til DOCX-konverter i browseren. Konverter filer med det samme på din enhed.
Undersøgelse og metadata
Operativsystemer og filanalysatorer identificerer DOCX-filer ved at inspicere den indledende binære bytesekvens:
Byte-niveau Header-signatur (Magic Bytes)
Operativsystemer og filanalysatorer identificerer DOCX-filer ved at inspicere den indledende binære bytesekvens:
HEX-SIGNATUR (OFFSET 0):
50 4B 03 04ASCII-REPRÆSENTATION: PK..
Standardisering: ECMA-376 / ISO/IEC 29500
Tekniske specifikationer
| Containerarkitektur | Open Packaging Convention (OPC) ZIP-arkiv, der indeholder XML-dele |
| Komprimering | Deflate-komprimering af individuelle XML-filer og medieressourcer inde i ZIP |
| Byte-rækkefølge | Little-Endian for ZIP-headerposter; UTF-8 XML til dokumentteksten |
| Farverum | sRGB til tekst og formatering; indlejrede billeddele beholder oprindelige profiler |
| Kanaler og struktur | Struktureret dokumenthierarki: afsnit (w:p), tekstforløb (w:r) og tekstnoder (w:t) |
| Maks. dimensioner | 55,87 x 55,87 cm (maksimal Word-sidegrænse på 22 x 22 tommer) |
| Gennemsigtighed | Understøttet i indlejrede raster- og vektorfigurer |
| Streaming og progressiv | ZIP-struktur kræver læsning af Central Directory i slutningen af arkivet |
Teknisk sammenligningsmatrix: DOCX sammenlignet med konkurrenterne
| Teknisk attribut | DOCX (Aktuel) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Primært formål | Redigerbart tekstbehandlingsdokument | Digitalt papir med fast layout | Redigerbart åbent standarddokument | Letvægtsredigering af uformateret tekst |
| Formateringskonsistens | Varierer efter software til visning og installerede skrifttyper | Visningen kan variere efter skrifttyper, app og enhed. | Varierer efter softwarepakke | Afhængig af Markdown-parser og CSS |
| Redigeringsoplevelse | Fuld WYSIWYG-redigering med registrerede ændringer | Svær at redigere uden specialiserede værktøjer | Fuld WYSIWYG-redigering | Hurtig redigering af almindelig tekst |
| Søgeindeksering og tekstudtrækning | Hurtig gennemgang af XML-noder på tværs af document.xml uden gengivelsesmotor | Kræver OCR eller komplekse dekodere til PDF-skrifttypetilknytning i komplekse datastrømme | Ligetil gennemgang af XML-noder på tværs af content.xml | Øjeblikkelig søgning i almindelig tekst med indbygget regex og strengsøgning |
Almindelige korruptionstilstande og hex-gendannelsesvejledning
Word viser fejlmeddelelsen: 'Filen er beskadiget og kan ikke åbnes'.
Grundlæggende årsag: Beskadiget ZIP-beholderstruktur eller ugyldig XML i word/document.xml.
Gendannelse: Omdøb .docx til .zip, kør 'zip -FF broken.zip --out fixed.zip', udpak word/document.xml, ret XML-syntaksfejl med en XML-editor, og pak igen som ZIP.
Sikkerhedsanalyse og parser-angrebsvektorer
DOCX-filer kan ikke indeholde aktive VBA-makroer (.docm er påkrævet for makroer), hvilket gør dem mere sikre end ældre .doc-filer, men ekstern skabelonindsprøjtning forbliver en risiko.
Kendte angrebsvektorer
- Fjernskabelonindsprøjtning, der peger på svigagtige eksterne dotm-skabeloner.
- XML External Entity (XXE)-sårbarheder i uopdaterede dokument-parsere.
- Indlejrede OLE-objekter, der skjuler eksekverbar malware.
Defensive bedste praksisser: Tillad ikke makroaktiverede filer (.docm) på offentlige upload-portaler, inspicér '_rels' for ikketillidsværdige eksterne URI-skabeloner, og rens XML-input.
Historisk oprindelse og milepæle
Vigtige fordele og styrker
- Open XML-emballering muliggør automatiseret dokumentgenerering og tekstudtrækning uden Microsoft Word.
- ZIP-komprimering reducerer filstørrelsen markant sammenlignet med ældre binære .doc-filer.
- Modulær struktur isolerer korrupte komponenter og forhindrer tab af hele dokumentet.
Tekniske begrænsninger og ulemper
- Visuel gengivelse kan variere på tværs af LibreOffice, Google Docs og Microsoft Word på grund af skrifttypernes layoutheuristikker.
- Ikke designet til arkivering med fast layout (i modsætning til PDF/A).
- Kompleks ECMA-376-specifikation med tusindvis af ældre kompatibilitetsmærker.
Interessante tekniske fakta
- Omdøbning af en .docx-fil til .zip giver dig mulighed for at udpakke alle indlejrede billeder direkte fra 'word/media/'-mappen.
- Det primære tekstdokumentindhold i ethvert Word-dokument findes i filen 'word/document.xml'.
- Til trods for 'XML'-navnet kan en DOCX-fil ikke redigeres direkte med en simpel teksteditor uden først at udpakke dens Open Packaging Convention (OPC)-beholder.
Ofte stillede tekniske spørgsmål
Hvordan kan jeg udpakke alle billeder fra en DOCX-fil uden Word?
Skift filendelsen fra '.docx' til '.zip', åbn arkivet med et vilkårligt udpakningsværktøj, og gå til mappen 'word/media/'. Alle originale fotos og grafiske elementer i høj opløsning ligger der.
Hvad er forskellen mellem .doc og .docx?
.doc er et ældre, proprietært binært format, der blev brugt i Word 97 - 2003. .docx er en moderne åben standard (ISO/IEC 29500) baseret på XML og ZIP-komprimering, som tilbyder mindre filstørrelser, større pålidelighed ved gendannelse og ingen makroeksekveringskapacitet.
Kan DOCX-filer indeholde malware eller virus?
Standard-DOCX-filer kan ikke indeholde aktive VBA-makroscript (hvilket kræver .docm-formatet). De kan dog indeholde eksterne links til indsprøjtning af eksterne skabeloner eller skadelige indlejrede OLE-objektpakker, hvilket er årsagen til, at moderne kontorpakker åbner ikketillidsværdige webdownloads i Beskyttet visning.