Dokument Word (.docx)
ECMA-376 StandardDOCX to spakowany, oparty na języku XML format pliku opracowany przez firmę Microsoft dla dokumentów edytorów tekstu, standaryzujący dokumenty programu Word w ramach specyfikacji Office Open XML.
Konwertuj JPG na DOCX
Darmowy konwerter z JPG na DOCX w przeglądarce. Konwertuj pliki natychmiast na swoim urządzeniu.
Inspekcja i metadane
Systemy operacyjne i analizatory plików identyfikują pliki DOCX, sprawdzając początkową sekwencję bajtów binarnych:
Podpis nagłówka na poziomie bajtów (Magic Bytes)
Systemy operacyjne i analizatory plików identyfikują pliki DOCX, sprawdzając początkową sekwencję bajtów binarnych:
PODPIS HEX (OFFSET 0):
50 4B 03 04REPREZENTACJA ASCII: PK..
Normalizacja: ECMA-376 / ISO/IEC 29500
Specyfikacja techniczna
| Architektura kontenera | Archiwum ZIP w formacie Open Packaging Convention (OPC) zawierające elementy XML |
| Kompresja | Kompresja Deflate poszczególnych plików XML i zasobów multimedialnych wewnątrz archiwum ZIP |
| Kolejność bajtów (Endianness) | Little-Endian dla rekordów nagłówka ZIP; UTF-8 XML dla tekstu dokumentu |
| Przestrzenie kolorów | sRGB dla tekstu i stylów; osadzone elementy obrazów zachowują natywne profile |
| Kanały i struktura | Strukturalna hierarchia dokumentu: akapity (w:p), ciągi znaków (w:r) i węzły tekstowe (w:t) |
| Maks. wymiary | 55,87 x 55,87 cm (maksymalny limit strony programu Word wynoszący 22 x 22 cale) |
| Przezroczystość | Obsługiwana w osadzonych kształtach rastrowych i wektorowych |
| Streaming i progresywne ładowanie | Struktura ZIP wymaga odczytania katalogu centralnego (Central Directory) na końcu archiwum |
Techniczna macierz porównawcza: DOCX a konkurencja
| Atrybut techniczny | DOCX (Bieżący) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Główne przeznaczenie | Edytowalny dokument tekstowy | Cyfrowy papier o stałym układzie | Edytowalny dokument o otwartym standardzie | Lekkie pisanie w czystym tekście |
| Spójność formatowania | Różni się w zależności od przeglądarki oprogramowania i zainstalowanych czcionek | Wyświetlanie może się różnić w zależności od czcionek, aplikacji i urządzenia. | Różni się w zależności od pakietu oprogramowania | Zależne od parsera Markdown i CSS |
| Doświadczenie z edycją | Pełna, bogata edycja WYSIWYG z śledzeniem zmian | Trudna edycja bez specjalistycznych narzędzi | Pełna edycja WYSIWYG | Szybka edycja czystego tekstu |
| Indeksowanie wyszukiwania i ekstrakcja tekstu | Szybkie przemierzanie węzłów XML w dokumencie document.xml bez silnika renderującego | Wymaga OCR lub złożonych dekoderów strumieni mapowania czcionek PDF | Bezpośrednie przemierzanie węzłów XML w pliku content.xml | Natychmiastowe wyszukiwanie za pomocą wyrażeń regularnych i wyszukiwania ciągów w czystym tekście |
Typowe tryby uszkodzeń i przewodnik odzyskiwania szesnastkowego
Program Word wyświetla błąd: 'Plik jest uszkodzony i nie można go otworzyć'.
Główna przyczyna: Uszkodzona struktura kontenera ZIP lub wadliwy kod XML w pliku word/document.xml.
Odzyskiwanie: Zmień rozszerzenie .docx na .zip, uruchom polecenie 'zip -FF broken.zip --out fixed.zip', wypakuj plik word/document.xml, napraw błędy składni XML za pomocą edytora XML i spakuj z powrotem do archiwum ZIP.
Analiza bezpieczeństwa i wektory ataku na parser
Pliki DOCX nie mogą zawierać aktywnych makr VBA (makra wymagają formatu .docm), co czyni je bezpieczniejszymi niż starsze pliki .doc, jednak wstrzykiwanie zewnętrznych szablonów nadal stanowi zagrożenie.
Znane wektory ataku
- Zdalne wstrzykiwanie szablonów wskazujące na złośliwe zewnętrzne szablony dotm.
- Podatności typu XML External Entity (XXE) w niezapatchowanych parserach dokumentów.
- Osadzone obiekty OLE maskujące złośliwe oprogramowanie wykonywalne.
Najlepsze praktyki obronne: Zabroń przesyłania plików obsługujących makra (.docm) na publiczne portale, sprawdzaj katalog '_rels' pod kątem niezaufanych zewnętrznych szablonów URI oraz oczyszczaj dane wejściowe XML.
Pochodzenie historyczne i kamienie milowe
Główne zalety
- Pakowanie Open XML umożliwia automatyczne generowanie dokumentów i ekstrakcję tekstu bez programu Microsoft Word.
- Kompresja ZIP znacznie zmniejsza rozmiar pliku w porównaniu do starszych binarnych plików .doc.
- Modularna struktura izoluje uszkodzone komponenty, zapobiegając utracie całego dokumentu.
Ograniczenia techniczne i wady
- Renderowanie wizualne może się różnić w programach LibreOffice, Google Docs i Microsoft Word ze względu na heurystykę układu czcionek.
- Nie został zaprojektowany z myślą o archiwizacji o stałym układzie stron (w przeciwieństwie do PDF/A).
- Złożona specyfikacja ECMA-376 z tysiącami znaczników kompatybilności wstecznej.
Ciekawe informacje techniczne
- Zmiana rozszerzenia pliku .docx na .zip pozwala na bezpośrednie wyodrębnienie wszystkich osadzonych obrazów z folderu 'word/media/'.
- Główna zawartość tekstowa każdego dokumentu programu Word znajduje się w pliku 'word/document.xml'.
- Pomimo nazwy zawierającej 'XML', pliku DOCX nie można edytować bezpośrednio za pomocą zwykłego edytora tekstu bez uprzedniego rozpakowania jego kontenera Open Packaging Convention (OPC).
Często zadawane pytania techniczne
Jak mogę wyodrębnić wszystkie zdjęcia z pliku DOCX bez programu Word?
Zmień rozszerzenie pliku z '.docx' na '.zip', otwórz archiwum za pomocą dowolnego narzędzia do rozpakowywania i przejdź do folderu 'word/media/'. Tam przechowywane są wszystkie oryginalne zdjęcia i grafiki w wysokiej rozdzielczości.
Czym różni się plik .doc od .docx?
.doc to przestarzały, zastrzeżony format binarny używany w programie Word w wersjach 97 - 2003. .docx to nowoczesny, otwarty standard (ISO/IEC 29500) oparty na kompresji XML i ZIP, oferujący mniejsze rozmiary plików, większą niezawodność odzyskiwania oraz brak możliwości wykonywania makr.
Czy pliki DOCX mogą przenosić złośliwe oprogramowanie lub wirusy?
Standardowe pliki DOCX nie mogą zawierać aktywnych skryptów makr VBA (które wymagają formatu .docm). Mogą jednak zawierać linki wstrzykiwania zewnętrznych szablonów lub złośliwe pakiety osadzonych obiektów OLE, dlatego nowoczesne pakiety biurowe otwierają niezaufane pobrane pliki z internetu w Widoku chronionym (Protected View).