Word-document (.docx)
ECMA-376 StandaardDOCX is een op XML gebaseerd ZIP-bestandsformaat dat door Microsoft is ontwikkeld voor tekstverwerkingsdocumenten, waarbij Word-documenten worden gestandaardiseerd onder de Office Open XML-specificatie.
JPG naar DOCX converteren
Gratis JPG-naar-DOCX-converter in uw browser. Converteer bestanden direct op uw apparaat.
Inspecteren en metadata
Besturingssystemen en bestandsanalysators herkennen DOCX-bestanden aan de hand van de eerste binaire bytesequentie:
Bestandshandtekening op byteniveau (magic bytes)
Besturingssystemen en bestandsanalysators herkennen DOCX-bestanden aan de hand van de eerste binaire bytesequentie:
HEX-HANDTEKENING (OFFSET 0):
50 4B 03 04ASCII-WEERGAVE: PK..
Standaardisatie: ECMA-376 / ISO/IEC 29500
Technische specificaties
| Containerarchitectuur | Open Packaging Convention (OPC) ZIP-archief met XML-onderdelen |
| Compressie | Deflate-compressie van afzonderlijke XML-bestanden en mediabestanden in de ZIP |
| Bytevolgorde (endianness) | Little-Endian voor ZIP-headerrecords; UTF-8 XML voor documenttekst |
| Kleurruimten | sRGB voor tekst en opmaak; ingesloten afbeeldingsonderdelen behouden hun eigen profiel |
| Kanalen en structuur | Gestructureerde documenthiërarchie: alinea's (w:p), tekstfragmenten (w:r) en tekstknooppunten (w:t) |
| Maximale afmetingen | 55,87 x 55,87 cm (maximale Word-pagina-afmetingen van 22 x 22 inch) |
| Transparantie | Ondersteund binnen ingesloten raster- en vectorvormen |
| Streaming en progressief | ZIP-structuur vereist het lezen van de centrale directory aan het einde van het archief |
Technische vergelijkingsmatrix: DOCX versus concurrenten
| Technisch kenmerk | DOCX (Huidig) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Primair doel | Bewerkbaar tekstverwerkingsdocument | Digitaal document met vaste opmaak | Bewerkbaar document in een open standaard | Lichtgewicht schrijven in platte tekst |
| Opmaakconsistentie | Verschilt per weergaveprogramma en geïnstalleerde lettertypen | Weergave kan variëren per lettertype, app en apparaat. | Verschilt per softwarepakket | Afhankelijk van Markdown-parser en CSS |
| Bewerkingservaring | Volledige WYSIWYG-bewerking met bijgehouden wijzigingen | Moeilijk te bewerken zonder gespecialiseerde tools | Volledige WYSIWYG-bewerking | Snelle bewerking van platte tekst |
| Zoekindexering en tekstextractie | Snelle doorloop van XML-knooppunten in document.xml zonder renderengine | Vereist OCR of complexe streamdecoders voor de koppeling van PDF-lettertypen | Eenvoudige doorkruising van XML-knooppunten in content.xml | Direct zoeken in platte tekst met reguliere expressies en tekenreeksen |
Veelvoorkomende beschadigingen en gids voor hex-herstel
Word toont de foutmelding 'The file is corrupt and cannot be opened'.
Oorzaak: Beschadigde ZIP-containerstructuur of ongeldige XML in word/document.xml.
Herstel: Wijzig de extensie .docx in .zip, voer 'zip -FF broken.zip --out fixed.zip' uit, pak word/document.xml uit, herstel XML-syntaxisfouten met een XML-editor en maak de ZIP opnieuw aan.
Beveiligingsanalyse en aanvalsvectoren voor parsers
DOCX-bestanden kunnen geen actieve VBA-macro's bevatten (.docm is vereist voor macro's), waardoor ze veiliger zijn dan verouderde .doc-bestanden, maar externe sjablooninjectie blijft een risico.
Bekende aanvalsvectoren
- Injectie van externe sjablonen die verwijzen naar kwaadaardige externe dotm-sjablonen.
- Kwetsbaarheden op het gebied van XML External Entity (XXE) in niet-gepatchte documentparsers.
- Ingesloten OLE-objecten die uitvoerbare malware verbergen.
Aanbevolen beveiligingspraktijken: Sta geen bestanden met macro's (.docm) toe op openbare uploadportals, controleer '_rels' op niet-vertrouwde externe URI-sjablonen en ontdoe XML-invoer van schadelijke code.
Historische oorsprong en mijlpalen
Belangrijkste voordelen
- Open XML-verpakking maakt geautomatiseerde documentgeneratie en tekstextractie mogelijk zonder Microsoft Word.
- ZIP-compressie verkleint de bestandsgrootte aanzienlijk in vergelijking met verouderde binaire .doc-bestanden.
- Een modulaire structuur isoleert beschadigde onderdelen, waardoor verlies van het hele document wordt voorkomen.
Technische beperkingen
- Visuele weergave kan variëren tussen LibreOffice, Google Docs en Microsoft Word vanwege heuristieken voor de lettertypelayout.
- Niet ontworpen voor archivering met een vaste lay-out (in tegenstelling tot PDF/A).
- Complexe ECMA-376-specificatie met duizenden verouderde compatibiliteitstags.
Interessante technische weetjes
- Door de extensie van een .docx-bestand te wijzigen in .zip kunt u alle ingesloten afbeeldingen rechtstreeks uit de map 'word/media/' uitpakken.
- De primaire tekstinhoud van elk Word-document bevindt zich in het bestand 'word/document.xml'.
- Ondanks de naam 'XML' kan een DOCX-bestand niet rechtstreeks met een platte-teksteditor worden bewerkt zonder eerst de Open Packaging Convention (OPC)-container uit te pakken.
Veelgestelde technische vragen
Hoe kan ik alle afbeeldingen uit een DOCX-bestand halen zonder Word?
Wijzig de bestandsextensie van '.docx' in '.zip', open het archief met een willekeurig uitpakprogramma en ga naar de map 'word/media/'. Alle originele foto's en afbeeldingen met hoge resolutie worden daar opgeslagen.
Wat is het verschil tussen .doc en .docx?
.doc is een verouderd, propriëtair binair formaat dat werd gebruikt in Word 97-2003. .docx is een moderne open standaard (ISO/IEC 29500) op basis van XML en ZIP-compressie. Dit formaat biedt kleinere bestanden, betrouwbaarder herstel en kan geen macro's uitvoeren.
Kunnen DOCX-bestanden malware of virussen bevatten?
Standaard DOCX-bestanden kunnen geen actieve VBA-macroscripts bevatten (waarvoor het .docm-formaat is vereist). Ze kunnen echter wel koppelingen voor externe sjablooninjectie of kwaadaardige ingesloten OLE-objectpakketten bevatten, en daarom openen moderne kantoorsuites niet-vertrouwde webdownloads in de Beveiligde weergave.