Word-dokument (.docx)
ECMA-376 StandardDOCX er et komprimert, XML-basert filformat utviklet av Microsoft for tekstbehandlingsdokumenter, som standardiserer Word-dokumenter under Office Open XML-spesifikasjonen.
Konverter JPG til DOCX
Gratis JPG til DOCX-konverterer i nettleseren. Konverter filer umiddelbart på enheten din.
Inspeksjon og metadata
Operativsystemer og filanalysatorer identifiserer DOCX-filer ved å undersøke den innledende binære bytesekvensen:
Filsignatur på bytenivå (magiske byte)
Operativsystemer og filanalysatorer identifiserer DOCX-filer ved å undersøke den innledende binære bytesekvensen:
HEX-SIGNATUR (OFFSET 0):
50 4B 03 04ASCII-REPRESENTASJON: PK..
Standardisering: ECMA-376 / ISO/IEC 29500
Tekniske spesifikasjoner
| Beholderarkitektur | Open Packaging Convention (OPC) ZIP-arkiv som inneholder XML-deler |
| Komprimering | Deflate-komprimering av individuelle XML-filer og medieressurser inne i ZIP |
| Bytterekkefølge | little-endian for ZIP-hodeoppføringer; UTF-8 XML for dokumenttekst |
| Fargerom | sRGB for tekst og stiler; innebygde bildedeler beholder opprinnelige profiler |
| Kanaler og struktur | Strukturert dokumenthierarki: avsnitt (w:p), tekstblokker (w:r) og tekstnoder (w:t) |
| Maks. dimensjoner | 55,87 x 55,87 cm (maksimal sidegrense på 22 x 22 tommer i Word) |
| Gjennomsiktighet | Støttes i innebygde raster- og vektorformer |
| Strømming og progressiv visning | ZIP-strukturen krever lesing av sentralkatalogen på slutten av arkivet |
Teknisk sammenligningsmatrise: DOCX sammenlignet med konkurrenter
| Teknisk attributt | DOCX (Gjeldende) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Primært formål | Redigerbart tekstbehandlingsdokument | Digitalt papir med fast oppsett | Redigerbart dokument med åpen standard | Lettvekts tekstskriving |
| Formateringskonsistens | Varierer med programvarevisning og installerte skrifttyper | Visningen kan variere etter skrifter, app og enhet. | Varierer etter programvarepakke | Avhengig av Markdown-parser og CSS |
| Redigeringsopplevelse | Fullstendig WYSIWYG-redigering med rik formatering med sporede endringer | Vanskelig å redigere uten spesialverktøy | Full WYSIWYG-redigering | Rask rentekstredigering |
| Søkeindeksering og tekstuttrekking | Rask gjennomgang av XML-noder i document.xml uten gjengivelsesmotor | Krever OCR eller komplekse strømningsdekodere for PDF-skriftkartlegging | Enkel XML-nodegjennomgang på tvers av content.xml | Umiddelbart innebygd søk i ren tekst med regulære uttrykk |
Vanlige korrupsjonsmoduser og heksadesimal gjenopprettingsveiledning
Word viser feilmeldingen: 'Filen er skadet og kan ikke åpnes'.
Underliggende årsak: Skadet ZIP-beholderstruktur eller ugyldig XML i word/document.xml.
Utbedring: Endre .docx til .zip, kjør 'zip -FF broken.zip --out fixed.zip', pakk ut word/document.xml, fiks XML-syntaksfeil med et XML-redigeringsprogram, og pakk inn i ZIP på nytt.
Sikkerhetsanalyse og angrepsvektorer mot parsere
DOCX-filer kan ikke inneholde aktive VBA-makroer (makroer krever .docm), noe som gjør dem tryggere enn eldre .doc-filer, men eksterne malinjeksjoner utgjør fortsatt en risiko.
Kjente angrepsvektorer
- Ekstern malinjeksjon som peker til skadelige eksterne dotm-maler.
- Sårbarheter for XML External Entity (XXE) i ikke-oppdaterte dokumentparsere.
- Innebygde OLE-objekter som skjuler kjørbar skadevare.
Anbefalte sikkerhetstiltak: Ikke tillat makroaktiverte filer (.docm) på offentlige opplastingsportaler, undersøk '_rels' for ikke-betrodde eksterne URI-maler, og rens XML-inndata.
Historisk opprinnelse og milepæler
Viktige fordeler
- Open XML-pakking tillater automatisert dokumentgenerering og tekstuttrekking uten Microsoft Word.
- ZIP-komprimering reduserer filstørrelsen betydelig sammenlignet med eldre binære .doc-filer.
- Modulær struktur isolerer korrupte komponenter og forhindrer tap av hele dokumentet.
Tekniske begrensninger og ulemper
- Visuell gjengivelse kan variere på tvers av LibreOffice, Google Dokumenter og Microsoft Word på grunn av heuristikk for skriftplassering.
- Ikke beregnet for arkivering med fast oppsett (i motsetning til PDF/A).
- Kompleks ECMA-376-spesifikasjon med tusenvis av eldre kompatibilitetsetiketter.
Interessante tekniske fakta
- Ved å endre filtypen til en .docx-fil til .zip kan du trekke ut alle innebygde bilder direkte fra mappen 'word/media/'.
- Hovedinnholdet i teksten i ethvert Word-dokument ligger i filen 'word/document.xml'.
- Til tross for 'XML'-navnet kan en DOCX-fil ikke redigeres direkte med et rent tekstredigeringsprogram uten først å pakke ut dens Open Packaging Convention (OPC)-beholder.
Ofte stilte tekniske spørsmål
Hvordan kan jeg trekke ut alle bildene fra en DOCX-fil uten Word?
Endre filutvidelsen fra '.docx' til '.zip', åpne arkivet med et hvilket som helst utpakkingsverktøy, og gå til mappen 'word/media/'. Alle opprinnelige høyoppløselige bilder og grafikk lagres der.
Hva er forskjellen mellom .doc og .docx?
.doc er et eldre proprietært binærformat som ble brukt i Word 97 til 2003. .docx er en moderne åpen standard (ISO/IEC 29500) basert på XML og ZIP-komprimering. Det gir mindre filer, bedre pålitelighet ved gjenoppretting og ingen mulighet til å kjøre makroer.
Kan DOCX-filer inneholde skadevare eller virus?
Standard DOCX-filer kan ikke inneholde aktive VBA-makroskrifter (som krever .docm-formatet). De kan imidlertid inneholde eksterne malinjeksjonslenker eller skadelige innebygde OLE-objektpakker, og det er derfor moderne kontorpakker åpner ikke-betrodde nedlastinger fra nettet i Beskyttet visning.