Word-asiakirja (.docx)
ECMA-376 StandardiDOCX on pakattu, XML-pohjainen tiedostomuoto, jonka Microsoft kehitti tekstinkäsittelyasiakirjoja varten standardoiden Word-asiakirjat Office Open XML -määrittelyn mukaisesti.
Muunna tiedostot muodosta JPG muotoon DOCX
Ilmainen selaimessa toimiva muunnin, jolla voit muuntaa tiedostoja muodosta JPG muotoon DOCX. Muunna tiedostot hetkessä laitteellasi.
Tarkastele tiedostoa ja sen metatietoja
Käyttöjärjestelmät ja tiedostoanalyysaattorit tunnistavat DOCX-tiedostot tarkistamalla tiedoston alun binäärisarjan:
Otsaketunniste tavutasolla (tunnistetavut)
Käyttöjärjestelmät ja tiedostoanalyysaattorit tunnistavat DOCX-tiedostot tarkistamalla tiedoston alun binäärisarjan:
HEKSADEKSIMAALINEN TUNNISTE (SIJAINTI 0):
50 4B 03 04ASCII-ESITYSTAPA: PK..
Standardointi: ECMA-376 / ISO/IEC 29500
Tekniset tiedot
| Säiliöarkkitehtuuri | Open Packaging Convention (OPC) ZIP-arkisto, joka sisältää XML-osia |
| Pakkaus | Yksittäisten XML-tiedostojen ja mediaresurssien Deflate-pakkaus ZIP-arkiston sisällä |
| Tavujärjestys (Endianness) | Little-Endian ZIP-otsikkotietueille; UTF-8 XML asiakirjatekstille |
| Väriavaruudet | sRGB tekstille ja muotoilulle; upotetut kuvat säilyttävät alkuperäiset profiilinsa |
| Kanavat ja rakenne | Rakenteellinen asiakirjahierarkia: kappaleet (w:p), tekstijaksot (w:r) ja tekstisolmut (w:t) |
| Suurimmat mitat | 55,87 x 55,87 cm (Word-sivun enimmäisraja: 22 x 22 tuumaa) |
| Läpinäkyvyys | Tuettu upotetuissa bittikarttakuvissa ja vektorimuodoissa |
| Suoratoisto ja progressiivinen lataus | ZIP-rakenne vaatii arkiston lopussa olevan keskeisen hakemiston (Central Directory) lukemisen |
Tekninen vertailumatriisi: DOCX vs. kilpailijat
| Tekninen attribuutti | DOCX (Nykyinen) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Ensisijainen tarkoitus | Muokattava tekstinkäsittelyasiakirja | Kiinteän asettelun digitaalinen asiakirja | Muokattava avoimen standardin asiakirja | Kevyt pelkkä teksti |
| Muotoilun yhtenäisyys | Vaihtelee katseluohjelman ja asennettujen fonttien mukaan | Näyttö voi vaihdella fonttien, sovelluksen ja laitteen mukaan. | Vaihtelee ohjelmistopaketin mukaan | Riippuvainen Markdown-jäsentimestä ja CSS:stä |
| Muokkauskokemus | Täysi monipuolinen WYSIWYG-muokkaus muutosten seurannalla | Vaikea muokata ilman erikoistyökaluja | Täysi WYSIWYG-muokkaus | Nopea pelkän tekstin muokkaus |
| Hakuindeksointi ja tekstin poiminta | Nopea XML-solmujen läpikäynti document.xml-tiedostossa ilman hahmennusmoottoria | Vaatii tekstintunnistuksen (OCR) tai monimutkaiset PDF-fonttikartoitusvirran purkuohjelmat | Suoraviivainen XML-solmujen läpikäynti content.xml-tiedostossa | Välitön natiivi pelkän tekstin regex- ja merkkijonohaku |
Yleiset vioittumistavat ja heksadesimaalinen palautusopas
Word näyttää virheen: 'Tiedosto on vioittunut eikä sitä voi avata'.
Perussyy: Vahingoittunut ZIP-säilörakenne tai virheellinen XML word/document.xml -tiedostossa.
Korjaus: Nimeä .docx uudelleen .zip-päätteeksi, suorita 'zip -FF broken.zip --out fixed.zip', pura word/document.xml, korjaa XML-syntaksivirheet XML-editorilla ja pakkaa uudelleen ZIP-muotoon.
Tietoturva-analyysi ja tiedostojäsentimien hyökkäysvektorit
DOCX-tiedostot eivät voi sisältää aktiivisia VBA-makroja (.docm vaaditaan makroille), mikä tekee niistä turvallisempia kuin vanhat .doc-tiedostot, mutta ulkoinen mallipohjan injektio on edelleen riski.
Tunnetut hyökkäysvektorit
- Etämallipohjan injektio, joka osoittaa haitallisiin ulkoisiin dotm-malleihin.
- XML External Entity (XXE) -haavoittuvuudet paikkaamattomissa asiakirjajäsentimissä.
- Upotetut OLE-objektit, jotka naamioivat suoritettavaa haittaohjelmaa.
Tietoturvan parhaat käytännöt: Estä makroja sisältävät tiedostot (.docm) julkisilla latausportaaleilla, tarkista '_rels'-kansio epäluotettavien ulkoisten URI-mallipohjien varalta ja puhdista XML-syötteet.
Historia ja virstanpylväät
Tärkeimmät edut
- Open XML -pakkaus mahdollistaa automatisoidun asiakirjojen luonnin ja tekstin poiminnan ilman Microsoft Wordia.
- ZIP-pakkaus pienentää tiedostokokoa merkittävästi verrattuna vanhoihin binaarisiin .doc-tiedostoihin.
- Modulaarinen rakenne eristää korruptoituneet komponentit estäen koko asiakirjan katoamisen.
Tekniset rajoitukset
- Visuaalinen hahmonnus voi vaihdella LibreOfficen, Google Docsin ja Microsoft Wordin välillä fonttien asettelurutiinien vuoksi.
- Ei ole suunniteltu kiinteän asettelun arkistointiin (toisin kuin PDF/A).
- Monimutkainen ECMA-376-määrittely sisältää tuhansia yhteensopivuustunnisteita.
Mielenkiintoisia teknisiä faktoja
- Uudelleennimeämällä .docx-tiedoston .zip-päätteeksi voit purkaa kaikki upotetut kuvat suoraan 'word/media/' -kansiosta.
- Minkä tahansa Word-asiakirjan ensisijainen tekstisisältö sijaitsee tiedostossa 'word/document.xml'.
- XML-nimestään huolimatta DOCX-tiedostoa ei voi muokata suoraan pelkällä tekstieditorilla purkamatta ensin sen Open Packaging Convention (OPC) -säilöä.
Usein kysytyt tekniset kysymykset
Kuinka voin poimia kaikki kuvat DOCX-tiedostosta ilman Wordia?
Vaihda tiedostopääte '.docx'-muodosta '.zip'-muotoon, avaa arkisto millä tahansa purkutyökalulla ja siirry kansioon 'word/media/'. Kaikki alkuperäiset korkearesoluutioiset valokuvat ja grafiikat on tallennettu sinne.
Mitä eroa on .doc- ja .docx-tiedostoilla?
.doc on vanha omisteinen binaarimuoto, jota käytettiin Word 97-2003 -versioissa. .docx on moderni avoin standardi (ISO/IEC 29500), joka perustuu XML- ja ZIP-pakkaukseen ja tarjoaa pienemmät tiedostokoot, paremman palautusvarmuuden eikä tukea makrojen suorittamiselle.
Voivatko DOCX-tiedostot levittää haittaohjelmia tai viruksia?
Vakio-DOCX-tiedostot eivät voi sisältää aktiivisia VBA-makrokomentosarjoja (jotka vaativat .docm-muodon). Ne voivat kuitenkin sisältää ulkoisia mallipohjan injektiolinkkejä tai haitallisia upotettuja OLE-objektipaketteja, minkä vuoksi nykyaikaiset toimistopaketit avaavat epäluotettavat verkkolataukset Suojatussa näkymässä (Protected View).