Document Word (.docx)
ECMA-376 StandardDOCX este un format de fișier arhivat, bazat pe XML, dezvoltat de Microsoft pentru documente de procesare de text, care standardizează documentele Word conform specificației Office Open XML.
Convertește din JPG în DOCX
Convertor gratuit din JPG în DOCX direct în browser. Convertește fișiere instantaneu pe dispozitivul tău.
Inspectare și metadate
Sistemele de operare și analizatoarele de fișiere identifică fișierele DOCX prin inspectarea secvenței binare inițiale:
Semnătura antetului la nivel de octet (octeți magici)
Sistemele de operare și analizatoarele de fișiere identifică fișierele DOCX prin inspectarea secvenței binare inițiale:
SEMNĂTURĂ HEXAZECIMALĂ (DECALAJ 0):
50 4B 03 04REPREZENTARE ASCII: PK..
Standardizare: ECMA-376 / ISO/IEC 29500
Specificații tehnice
| Arhitectură container | Arhivă ZIP Open Packaging Convention (OPC) care conține părți XML |
| Compresie | Compresie Deflate a fișierelor XML individuale și a resurselor media din interiorul ZIP-ului |
| Ordinea octeților | Little-Endian pentru înregistrările antetului ZIP; XML UTF-8 pentru textul documentului |
| Spații de culoare | sRGB pentru text și stilizare; părțile de imagini încorporate își păstrează profilele native |
| Canale și structură | Ierarhie de documente structurată: paragrafe (w:p), secvențe de formatare (w:r) și noduri de text (w:t) |
| Dimensiuni maxime | 55,87 x 55,87 cm (limită maximă de pagină Word de 22 x 22 țoli) |
| Transparență | Acceptată în cadrul formelor raster și vectoriale încorporate |
| Streaming și progresiv | Structura ZIP necesită citirea Directorului Central de la sfârșitul arhivei |
Matrice de comparație tehnică: DOCX vs. concurenți
| Atribut tehnic | DOCX (Curent) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Scop principal | Document de procesare de text editabil | Hârtie digitală cu aspect fix | Document standard deschis editabil | Scriere simplă în text simplu |
| Consistența formatării | Variază în funcție de vizualizatorul software și fonturile instalate | Afișarea poate varia în funcție de fonturi, aplicație și dispozitiv. | Variază în funcție de suita software | Depinde de parserul Markdown și CSS |
| Experiență de editare | Editare completă WYSIWYG cu urmărirea modificărilor | Dificil de editat fără instrumente specializate | Editare completă WYSIWYG | Editare rapidă în text simplu |
| Indexare căutare și extragere text | Traversare rapidă a nodurilor XML în document.xml fără motor de redare | Necesită OCR sau decodoare complexe de flux de mapare a fonturilor PDF | Traversare directă a nodurilor XML în content.xml | Căutare instantanee nativă în text simplu, cu expresii regulate și șiruri de caractere |
Moduri comune de corupție și ghid de recuperare hexazecimală
Word afișează eroarea: „Fișierul este corupt și nu poate fi deschis”.
Cauză principală: Structură de container ZIP deteriorată sau XML malformat în word/document.xml.
Recuperare: Schimbă extensia din .docx în .zip, rulează „zip -FF broken.zip --out fixed.zip”, extrage word/document.xml, corectează erorile de sintaxă XML cu un editor XML și arhivează din nou fișierul.
Analiză de securitate și vectori de atac asupra parserului
Fișierele DOCX nu pot conține macrocomenzi VBA active (.docm este necesar pentru macrocomenzi), ceea ce le face mai sigure decât fișierele .doc vechi, dar injectarea de șabloane externe rămâne un risc.
Vectori de atac cunoscuți
- Injectare de șabloane la distanță care indică spre șabloane externe maligne .dotm.
- Vulnerabilități de tip XML External Entity (XXE) în procesoarele de documente neactualizate.
- Obiecte OLE încorporate care maschează malware executabil.
Cele mai bune practici de securitate: Interzice fișierele cu macrocomenzi (.docm) pe portalurile publice de încărcare, verifică secțiunea _rels pentru URI-uri către șabloane externe de neîncredere și igienizează datele XML de intrare.
Origini istorice și repere
Avantaje cheie și beneficii
- Împachetarea Open XML permite generarea automată de documente și extragerea textului fără Microsoft Word.
- Compresia ZIP reduce semnificativ dimensiunea fișierului în comparație cu fișierele binare vechi .doc.
- Structura modulară izolează componentele corupte, prevenind pierderea întregului document.
Limitări tehnice și dezavantaje
- Redarea vizuală poate varia în LibreOffice, Google Docs și Microsoft Word din cauza euristicilor de aspect al fonturilor.
- Nu este conceput pentru arhivare cu aspect fix (spre deosebire de PDF/A).
- Specificație complexă ECMA-376 cu mii de etichete de compatibilitate moștenite.
Curiozități tehnice interesante
- Dacă redenumești un fișier .docx cu extensia .zip, poți extrage toate imaginile încorporate direct din dosarul word/media/.
- Textul principal al oricărui document Word se află în fișierul word/document.xml.
- În ciuda denumirii „XML”, un fișier DOCX nu poate fi editat direct într-un editor de text simplu fără să dezarhivezi mai întâi containerul Open Packaging Convention (OPC).
Întrebări tehnice frecvente
Cum pot extrage toate imaginile dintr-un fișier DOCX fără Word?
Schimbă extensia fișierului din .docx în .zip, deschide arhiva cu orice instrument de dezarhivare și caută dosarul word/media/. Acolo sunt stocate fotografiile și elementele grafice originale, la rezoluție înaltă.
Care este diferența dintre .doc și .docx?
.doc este un format binar proprietar vechi utilizat în Word 97 - 2003. .docx este un standard deschis modern (ISO/IEC 29500) bazat pe XML și compresie ZIP, oferind dimensiuni mai mici ale fișierelor, o fiabilitate mai mare a recuperării și nicio capacitate de execuție a macrocomenzilor.
Pot fișierele DOCX să transporte malware sau viruși?
Fișierele DOCX standard nu pot conține scripturi macro VBA active (pentru acestea este necesar formatul .docm). Totuși, ele pot include linkuri către șabloane externe injectate sau pachete OLE încorporate rău intenționate. De aceea, suitele office moderne deschid în Vizualizare protejată fișierele descărcate de pe web, dacă nu sunt de încredere.