Tài liệu Word (.docx)
ECMA-376 Tiêu chuẩnDOCX là định dạng tệp nén dựa trên XML do Microsoft phát triển cho các tài liệu xử lý văn bản, chuẩn hóa các tài liệu Word theo thông số kỹ thuật Office Open XML.
Chuyển đổi JPG sang DOCX
Trình chuyển đổi từ JPG sang DOCX miễn phí trên trình duyệt. Chuyển đổi tệp ngay lập tức trên thiết bị của bạn.
Kiểm tra & Siêu dữ liệu
Các hệ điều hành và trình phân tích tệp nhận dạng tệp DOCX bằng cách kiểm tra chuỗi byte nhị phân đầu tệp:
Chữ ký ở đầu tệp (mẫu byte nhận diện)
Các hệ điều hành và trình phân tích tệp nhận dạng tệp DOCX bằng cách kiểm tra chuỗi byte nhị phân đầu tệp:
CHỮ KÝ HEX (OFFSET 0):
50 4B 03 04BIỂU DIỄN ASCII: PK..
Tiêu chuẩn hóa: ECMA-376 / ISO/IEC 29500
Thông số kỹ thuật
| Kiến trúc Container | Kho lưu trữ ZIP theo Open Packaging Convention (OPC), chứa các thành phần XML |
| Nén | Nén Deflate của các tệp XML riêng lẻ và tài nguyên đa phương tiện bên trong ZIP |
| Thứ tự byte | Thứ tự byte little-endian cho các bản ghi tiêu đề ZIP; XML mã hóa UTF-8 cho văn bản tài liệu |
| Không gian màu | sRGB cho văn bản và kiểu dáng; các thành phần hình ảnh được nhúng giữ lại các cấu hình gốc |
| Kênh & Cấu trúc | Cấu trúc tài liệu phân cấp: đoạn văn (w:p), khối văn bản (w:r), và nút văn bản (w:t) |
| Kích thước tối đa | 55.87 x 55.87 cm (giới hạn trang Word tối đa 22 x 22 inch) |
| Độ trong suốt | Được hỗ trợ trong các hình khối raster và vector được nhúng |
| Truyền phát & Tăng dần | Cấu trúc ZIP yêu cầu đọc Thư mục Trung tâm ở cuối kho lưu trữ |
Ma trận so sánh kỹ thuật: DOCX so với các đối thủ
| Thuộc tính kỹ thuật | DOCX (Hiện tại) | OpenDocument (ODT) | Markdown | |
|---|---|---|---|---|
| Mục đích chính | Tài liệu xử lý văn bản có thể chỉnh sửa | Tài liệu số có bố cục cố định | Tài liệu tiêu chuẩn mở có thể chỉnh sửa | Viết văn bản thuần túy nhẹ |
| Tính nhất quán của định dạng | Thay đổi theo trình xem phần mềm và phông chữ được cài đặt | Thay đổi theo bộ phần mềm | Phụ thuộc vào trình phân tích cú pháp Markdown và CSS | |
| Trải nghiệm chỉnh sửa | Chỉnh sửa WYSIWYG phong phú đầy đủ với tính năng theo dõi thay đổi | Khó chỉnh sửa mà không có công cụ chuyên dụng | Chỉnh sửa WYSIWYG đầy đủ | Chỉnh sửa văn bản thuần túy nhanh chóng |
| Lập chỉ mục tìm kiếm & Trích xuất văn bản | Truy xuất nút XML nhanh chóng trên document.xml mà không cần công cụ kết xuất | Yêu cầu OCR hoặc bộ giải mã luồng ánh xạ phông chữ PDF phức tạp | Truy xuất trực tiếp các nút XML trong content.xml | Tìm kiếm tức thì bằng chuỗi và biểu thức chính quy trên văn bản thuần túy gốc |
Các dạng hỏng thường gặp và hướng dẫn khôi phục bằng mã hex
Word hiển thị lỗi: 'Tệp bị hỏng và không thể mở được'.
Nguyên nhân gốc rễ: Cấu trúc bộ chứa ZIP bị hỏng hoặc XML bị lỗi cú pháp trong word/document.xml.
Khắc phục: Đổi tên .docx thành .zip, chạy lệnh 'zip -FF broken.zip --out fixed.zip', giải nén word/document.xml, sửa lỗi cú pháp XML bằng trình soạn thảo XML, và nén lại thành ZIP.
Phân tích bảo mật và các đường tấn công nhằm vào bộ phân tích cú pháp
Tệp DOCX không thể chứa macro VBA hoạt động (.docm là bắt buộc đối với macro), giúp chúng an toàn hơn các tệp .doc cũ, nhưng việc tiêm mẫu bên ngoài vẫn là một rủi ro.
Các véc-tơ tấn công đã biết
- Tiêm mẫu từ xa trỏ đến các mẫu dotm bên ngoài độc hại.
- Lỗ hổng XML External Entity (XXE) trong các trình phân tích cú pháp tài liệu chưa được vá.
- Các đối tượng OLE được nhúng ngụy trang phần mềm độc hại thực thi.
Biện pháp phòng thủ tốt nhất: Không cho phép các tệp hỗ trợ macro (.docm) trên các cổng tải lên công khai, kiểm tra thư mục '_rels' để tìm các URI mẫu bên ngoài không đáng tin cậy và làm sạch dữ liệu đầu vào XML.
Nguồn gốc lịch sử và các cột mốc
Ưu điểm & Lợi ích chính
- Đóng gói Open XML cho phép tạo tài liệu tự động và trích xuất văn bản mà không cần Microsoft Word.
- Nén ZIP làm giảm đáng kể kích thước tệp so với các tệp nhị phân .doc cũ.
- Cấu trúc mô-đun cô lập các thành phần bị hỏng, ngăn chặn việc mất toàn bộ tài liệu.
Hạn chế & Nhược điểm kỹ thuật
- Khả năng hiển thị trực quan có thể khác nhau giữa LibreOffice, Google Docs và Microsoft Word do cơ sở phỏng đoán bố cục phông chữ.
- Không được thiết kế để lưu trữ bố cục cố định (không giống như PDF/A).
- Thông số kỹ thuật ECMA-376 phức tạp với hàng ngàn thẻ tương thích cũ.
Thông tin kỹ thuật thú vị
- Đổi tên tệp .docx thành .zip cho phép bạn trích xuất tất cả các hình ảnh được nhúng trực tiếp từ thư mục 'word/media/'.
- Nội dung văn bản chính của bất kỳ tài liệu Word nào nằm trong tệp 'word/document.xml'.
- Mặc dù có tên là 'XML', tệp DOCX không thể được chỉnh sửa trực tiếp bằng trình soạn thảo văn bản thuần túy nếu không giải nén bộ chứa Open Packaging Convention (OPC) của nó trước.
Các câu hỏi kỹ thuật thường gặp
Làm thế nào tôi có thể trích xuất tất cả ảnh từ tệp DOCX mà không cần Word?
Thay đổi phần mở rộng tệp từ '.docx' thành '.zip', mở kho lưu trữ bằng bất kỳ công cụ giải nén nào và duyệt đến thư mục 'word/media/'. Tất cả ảnh và đồ họa độ phân giải cao gốc đều được lưu trữ ở đó.
Sự khác biệt giữa .doc và .docx là gì?
.doc là định dạng nhị phân độc quyền cũ được sử dụng trong Word 97 - 2003. .docx là tiêu chuẩn mở hiện đại (ISO/IEC 29500) dựa trên nén XML và ZIP, mang lại kích thước tệp nhỏ hơn, độ tin cậy khôi phục cao hơn và không có khả năng thực thi macro.
Tệp DOCX có thể mang phần mềm độc hại hoặc vi-rút không?
Các tệp DOCX tiêu chuẩn không thể chứa tập lệnh macro VBA đang hoạt động (định dạng .docm mới hỗ trợ macro). Tuy nhiên, chúng có thể chứa liên kết đến mẫu bên ngoài bị lợi dụng để chèn nội dung hoặc gói đối tượng OLE độc hại được nhúng. Vì vậy, các bộ ứng dụng văn phòng hiện đại mở tệp tải xuống từ web không đáng tin cậy trong chế độ Xem được Bảo vệ (Protected View).