Was ist eine DOC-Datei?

DOC ist ein Binärformat, das nur einem Programm etwas sagt, das es kennt. Eingesetzt wird es für die Bearbeitung.

Die Endung lautet .doc, der volle Name Word 97-2003 Document. Beides sagt weniger aus als das, was die Datei halten kann — und davon handelt der Rest dieser Seite.

Microsoft hat es 1997 veröffentlicht.

Einem Format, das so lange lesbar geblieben ist, kann man etwas anvertrauen, das man in zehn Jahren wiederhaben will.

Sie ist niedergeschrieben und umsetzbar, doch wie die nächste Fassung aussieht, entscheidet der Hersteller. In der Praxis reicht das, damit die Datei weiter aufgeht; es reicht nicht, um sich darauf zu verlassen.

Es geht überall noch auf und wird von älteren Programmen noch geschrieben, aber es wird nichts Neues mehr darum herum gebaut. Wandle um, was du behalten willst, und wähle es nicht für etwas, das heute anfängt.

Eine DOC-Datei ist nicht auf eine Seite beschränkt. Beim Umwandeln in etwas, das es ist, zählt das: Eine Umwandlung ergibt eine Datei mit genau einer Seite — der ersten, sofern sich die Seite nicht auswählen lässt.

DOC enthält ein Textdokument: Absätze, die sich auf die jeweilige Seite umbrechen.

Daraus folgt, wie es sich umwandeln lässt: Der Text bricht neu um, Seitenzahlen sind also eine Eigenschaft des Ergebnisses und nicht der Datei.

Microsoft Word und LibreOffice Writer lesen es, und die meisten Programme derselben Art ebenfalls.

Wenn eine Datei nicht aufgeht, liegt es selten am Format — häufiger daran, dass das Programm älter ist als das Format. Die Umwandlung in etwas Älteres ist der verlässliche Weg daran vorbei, und dafür gibt es den Rest dieser Website.

Kein Browser liest es.

Das ist der häufigste Grund, es umzuwandeln: nicht dass das Format schlecht wäre, sondern dass die Stelle, an der die Datei erscheinen soll, es nicht lesen kann.

DOC ist zum Öffnen und Ändern gedacht. Behalte die Datei in diesem Format, solange die Arbeit läuft, und exportiere daraus, wann immer eine fertige Fassung gebraucht wird.

Die wiederkehrenden Klagen: die Seitenaufteilung wird nachgebaut statt exakt übernommen.

Nichts davon ist ein Grund, das Format zu meiden. Es sind die Dinge, die man kennen sollte, bevor eines davon einen überrascht — das ist eine andere und eine nützlichere Behauptung.

DOC war Words Format von 1983 bis Office 2007 es durch DOCX ablöste. Es ist seit fast zwei Jahrzehnten überholt, und eine DOC, die heute ankommt, hat eine Vorgeschichte: aus einem Archiv, einem Vorlagenordner, den niemand mehr angefasst hat, aus einer eingescannten Aktenablage, einer Kanzlei oder der Sicherung eines Rechners, den es längst nicht mehr gibt.

Das bestimmt, was an der Datei wichtig ist. Interessant sind die Fragen, wie man sie öffnet, was bei der Umwandlung verloren geht und was sie sonst noch mit sich trägt — nicht, ob man sie wählen sollte, denn diese Entscheidung ist vor langer Zeit getroffen worden.

Während DOCX ein ZIP-Archiv aus lesbarem XML ist, ist DOC eine binäre Verbunddatei — im Grunde ein kleines Dateisystem in einer einzigen Datei, das Ströme strukturierter Datensätze enthält. In einem Texteditor geöffnet zeigt sie Fetzen des eigenen Textes verstreut in binärem Rauschen.

Die Spezifikation wurde irgendwann veröffentlicht und ist gewaltig, weil das Format über zwanzig Jahre durch Anhäufung wuchs statt entworfen zu werden. Das ist der ehrliche Grund, warum DOC-Unterstützung außerhalb von Microsoft Word immer nur annähernd war — nicht Unwille, sondern ein sich verschiebendes Ziel mit Jahrzehnten undokumentierten Verhaltens dahinter.

Ältere Word-Versionen nutzten das sogenannte Fast Save, das Änderungen ans Dateiende anhängte, statt die Datei neu zu schreiben. Das machte das Speichern auf der damaligen Hardware schnell — und bedeutete, dass gelöschter Text oft in der Datei blieb, unsichtbar in Word und für alles, was die Bytes direkt betrachtete, vollkommen lesbar.

Das führte zu einer Reihe gut dokumentierter Peinlichkeiten, bei denen frühere Entwurfsstände von Dokumenten bei den Empfängern wieder auftauchten. Trägt eine DOC in Ihrem Besitz eine Vorgeschichte, die es wert ist, vorsichtig zu sein, sollte man annehmen, dass sie mehr enthält als angezeigt wird — und die Umwandlung in PDF oder DOCX über ein modernes Werkzeug ist einer der zuverlässigen Wege, diese Rückstände zurückzulassen.

Text, Überschriften, Listen, Tabellen, Fußnoten und Bilder kommen zuverlässig an. Nachverfolgte Änderungen, Kommentare und eingebettete Objekte überstehen die Umwandlung dagegen meist nicht. Für die weit überwiegende Mehrheit der Dokumente — Briefe, Berichte, Verträge, Manuskripte — ist der Inhalt der umgewandelten Datei trotzdem derselbe.

Was sich verschiebt, ist das genaue Layout. Words Zeilenumbruch und Schriftbehandlung änderten sich zwischen den Epochen, sodass eine Seite, die vorher exakt bei einem bestimmten Wort endete, jetzt eine Zeile früher oder später endet, und eine passend dimensionierte Tabelle neu umbricht. In einem fünfzigseitigen Dokument kann das einen Seitenumbruch verschieben. Kommt es auf die Paginierung selbst an — ein Schriftsatz vor Gericht, ein gesetztes Manuskript —, führt die Umwandlung nach PDF zu einem Layout, das feststeht statt neu berechnet zu werden.

Eine DOC referenziert Schriften über den Namen und bettet sie meist nicht ein. Ein 2004 auf einem Windows-Rechner geschriebenes Dokument verlangt womöglich nach Schriften, die mit dem Office jener Zeit ausgeliefert wurden und heute nirgends mehr existieren — die Leseanwendung setzt dann etwas mit anderen Buchstabenbreiten ein.

Das Ergebnis ist ein inhaltlich völlig korrektes Dokument, das leicht daneben aussieht: Zeilenumbrüche an neuen Stellen, eine Überschrift, die auf zwei Zeilen umbricht, eine Tabellenspalte, die plötzlich zu schmal ist. Verloren gegangen ist dabei nichts. Muss das Aussehen exakt stimmen, hilft zuverlässig nur ein PDF, das auf einem Rechner erzeugt wurde, der die ursprünglichen Schriften besitzt.

Eine DOC-Datei kann Makros enthalten. Das ist der wichtigste praktische Unterschied zu DOCX, das das nicht kann — ein makrofähiges modernes Dokument muss als DOCM gespeichert werden und kündigt sich schon an der Endung an.

Makrofähige Word-Dokumente waren über eine lange Generation hinweg der Verbreitungsweg für Schadsoftware, weshalb modernes Word Dateien aus dem Internet in einer geschützten Ansicht öffnet und erst nach zweifacher Bestätigung überhaupt etwas ausführt. Ein unerwarteter DOC-Anhang verdient das gleiche Misstrauen, das die Software ihm bereits entgegenbringt, und ihn umzuwandeln statt in Word zu öffnen ist ein vernünftiger Weg, den Inhalt zu lesen, ohne etwas auszuführen.

Meist Einrichtungen mit langem Gedächtnis. Gerichts- und Behördensysteme, die 2003 ein Format festgelegt und nie wieder überdacht haben. Firmeninterne Vorlagenordner, in denen ein Formular seit zwanzig Jahren einfach weiterkopiert wird. Ältere Akten- und Dokumentenverwaltungssysteme, die exportieren, was sie gespeichert haben. Gelegentlich Software, die DOC schreibt, weil eine ihrer Bibliotheken nie etwas anderes unterstützt hat.

Es gibt auch einen leiseren Fall: Dateien, die gar keine DOC sind. Manche Werkzeuge schreiben RTF oder sogar HTML und nennen das Ergebnis .doc, weil Word es trotzdem öffnet. Weist ein Konverter eine Datei zurück, die Word annimmt, lohnt sich diese Prüfung, bevor man von einer Beschädigung ausgeht.

Zuerst ausschließen, dass es überhaupt keine DOC ist. Ältere Works-Dokumente, WordPerfect-Dateien und in .doc umbenanntes RTF tauchen alle auf und brauchen jeweils ein anderes Programm. Die ersten Bytes verraten es: Eine echte DOC beginnt mit einer Signatur für Verbunddateien, RTF beginnt mit den Zeichen, die buchstäblich seinen Namen ausschreiben.

Echte Beschädigung ist schwieriger zu beurteilen und meist teilweise, weil das Format Text in Strömen ablegt, die den Verlust der umgebenden Struktur überstehen können. Words eigene Funktion zur Textwiederherstellung zieht die Wörter heraus und gibt die Formatierung auf — für ein Dokument, dessen Wert im Inhalt liegt, ist das meist der richtige Tausch.