DOC in RTF umwandeln

Diese Umwandlung reagiert auf eine Regel, nicht auf einen Wunsch, und die Regel wird meist erst sichtbar, wenn sie zuschlägt. Word meldet, der Dateityp sei per Richtlinie blockiert. Eine E-Mail kommt ohne Anhang an, mit einem Hinweis der Sicherheitssoftware. Ein Upload-Formular listet die zulässigen Formate, und .doc steht nicht darauf.

In Deutschland ist diese Zurückhaltung keine Übervorsicht, sondern eine Lehre aus einem konkreten Ereignis: 2019 legte die Schadsoftware Emotet über ein einziges präpariertes Word-Dokument mit aktivierten Makros einen Teil der IT des Berliner Kammergerichts lahm — monatelang, öffentlich dokumentiert, mit Folgen bis in laufende Verfahren. Seither blockieren viele deutsche Behörden und Unternehmen binäre Word-Dateien pauschal, unabhängig vom tatsächlichen Inhalt der einzelnen Datei.

Wichtig zu wissen: Das ist keine Modernisierung. Beide Formate stammen aus dem Jahr 1987, und Microsoft hat die Weiterentwicklung der RTF-Spezifikation 2008 eingestellt. Getauscht wird ein binärer Container gegen einen textbasierten desselben Alters — der Tausch lohnt sich ausschließlich, weil das Ziel etwas gegen den Container hat, nicht gegen den Inhalt.

Blockiert nichts die Datei, ist diese Seite die falsche Wahl. Ein Dokument, an dem weitergearbeitet werden soll, gehört als DOCX gespeichert, ein Dokument, das nur gelesen werden muss, als PDF. RTF ist die richtige Antwort, wenn ein bestimmtes System es ausdrücklich verlangt, oder wenn die Empfängerin oder der Empfänger keine Office-Software besitzt und nur WordPad zur Verfügung hat.

Eine binäre DOC-Datei ist ein sogenanntes OLE Compound File — im Grunde ein kleines Dateisystem innerhalb einer Datei, mit benannten Datenströmen, die ein VBA-Projekt, eingebettete Objekte und einiges mehr enthalten können. Genau diese Eigenschaft machte das Format über zwei Jahrzehnte zu einem verlässlichen Weg, unerwünschten Code in eine Organisation zu tragen — und die pauschale Blockade ist eine grobe, aber wirksame Verteidigung, die für eine einzelne Einreichung nicht extra aufgehoben wird.

RTF liegt auf der anderen Seite dieser Grenze, weil es aus Zeichen besteht, und Zeichen können nicht ausgeführt werden. Eine RTF-Datei lässt sich in einem Texteditor öffnen und lesen — der Fließtext bleibt erkennbar, umgeben von Steuerwörtern für Schrifttabelle, Farbtabelle, Formatvorlagen und jeden einzelnen Formatierungsabschnitt.

Der größte Teil, denn RTF wurde genau dafür entworfen. Benannte Absatzformate kommen als echte Formatvorlagen an, nicht als manuelle Formatierung, weil RTF ein vollwertiges Formatvorlagensystem besitzt. Tabellen behalten Zellen, Rahmen und verbundene Bereiche; Listen ihre Nummerierung; Kopf- und Fußzeilen, Seitennummerierung, Fuß- und Endnoten, Hyperlinks, Lesezeichen und die Seiteneinrichtung haben auf beiden Seiten eine direkte Entsprechung.

Die Umwandlung läuft über LibreOffice, das binäre DOC-Dateien liest und RTF als vollwertigen Filter schreibt, auf einer Maschine mit metrisch kompatiblen Ersatzschriften für Arial, Times New Roman, Courier New, Calibri und Cambria. Diese Ersatzschriften haben dieselben Zeichenbreiten wie die Originale, sodass Zeilenumbrüche an derselben Stelle landen und ein auf eine Seite zugeschnittenes Dokument auch eine Seite bleibt. Eine Schriftart selbst kann keines der beiden Formate mit sich führen — beide nennen nur den Namen, und eine ungewöhnliche Schrift wurde also schon vorher ersetzt, egal womit die DOC-Datei geöffnet wurde.

Ältere Word-Dateien sammeln Dinge an, die niemand bewusst verschicken wollte. Die Dokumenteigenschaften nennen den ursprünglichen Autor, die Firma, auf die die Lizenz eingetragen war, die gesamte Bearbeitungszeit und häufig eine Kette früherer Dateipfade. Ältere Word-Versionen schrieben Fragmente gelöschten Texts in die Datei, und ein Dokument mit fünfzehn Überarbeitungen kann Sätze enthalten, die niemand behalten wollte. Eingebettete Objekte — eine verknüpfte Tabelle, ein aus Excel eingefügtes Diagramm — tragen mitunter deutlich mehr Daten, als auf der Seite sichtbar ist.

Der Weg über RTF entfernt davon einiges beiläufig, weil die Syntax schlicht keinen Platz für einen OLE-Datenstrom oder eine Eigenschaftensammlung eines Compound Files vorsieht. Genau das ist einer der Gründe, warum manche Einreichungssysteme ohnehin Rich Text verlangen. Blind vertrauen sollte man dem Ergebnis trotzdem nicht: Wer die Historie eines alten DOC nicht kennt, liest das konvertierte Dokument vor dem Absenden.

Die RTF-Syntax kennt kein VBA-Projekt, jede Automatisierung im Dokument bleibt also nicht aus Versehen, sondern per Definition zurück. Bei einem älteren DOC ist das wahrscheinlicher, als man erwartet — makrobestückte Vorlagen waren jahrzehntelang normale Büropraxis, und ein Dokument, das aus einer solchen Vorlage entstand, erbt, was sie enthielt.

Wer bei dieser Datei einmal eine Sicherheitswarnung von Word gesehen hat, war das der Grund — und das Umwandeln ist die sauberste denkbare Antwort darauf. Text, Tabellen und Layout kommen an, der Code nicht und kann es auch nicht. Für ein Einreichungssystem, das ausdrücklich inerte Dokumente akzeptiert und Container ablehnt, die etwas ausführen könnten, erfüllt diese Umwandlung genau die Anforderung, statt gegen sie zu arbeiten.

RTF kennt keinerlei Komprimierung und speichert ein eingebettetes Bild als hexadezimalen Text — grob zwei Zeichen je Byte Bilddaten. Ein überwiegend aus Fließtext bestehendes DOC wächst moderat. Ein DOC mit einem Briefkopf auf jeder Seite, einer eingescannten Unterschrift und zwei Fotos kann sich mehrfach vergrößern.

Das fällt hier stärker ins Gewicht als bei den meisten anderen Seiten, weil der Anlass für die Umwandlung oft genau eine Anhangs- oder Upload-Grenze ist. Eine Formatblockade zu umgehen und anschließend an einer Größenprüfung zu scheitern, ist ein schlechter Tausch. Ist das Dokument bebildert, lohnt sich die Verkleinerung der Bilder in Word vor der Umwandlung, nicht danach — der Briefkopf, der auf jeder Seite wiederholt wird, ist meist der erste Kandidat.

Auf unserem Server, nicht im Browser. Das Lesen einer binären Word-Datei und das Schreiben von Rich Text braucht eine echte Office-Engine, und diese Seite sagt das offen, statt anzudeuten, alles hier liefe lokal. Die Datei geht über eine verschlüsselte Verbindung an einen Container mit LibreOffice im Kopfmodus, der selbst keinen ausgehenden Internetzugang besitzt.

Jeder Auftrag bekommt ein eigenes Arbeitsverzeichnis und ein eigenes LibreOffice-Profil, damit zwei parallele Prozesse sich nicht ein Profil teilen und beschädigen — das würde sich als hängende Umwandlung zeigen, nicht als Fehlermeldung. Das Verzeichnis wird gelöscht, sobald der Auftrag endet, unabhängig vom Ergebnis. Läuft ein Auftrag länger als sechzig Sekunden, wird er abgebrochen, was bei alten Dokumenten besonders relevant ist: LibreOffice bleibt bei einer beschädigten Binärdatei eher hängen, als sie mit einer Fehlermeldung abzulehnen. Ein passwortgeschütztes Dokument scheitert stattdessen sofort mit einer entsprechenden Meldung.

Vor dem Absenden lohnt sich ein Blick, und zwar in der Software, die dem tatsächlichen Empfänger am nächsten kommt, nicht in der bequemsten. Eine Rich-Text-Datei sieht in Word anders aus als in der eigenen Parser-Implementierung eines Einreichungssystems, und Letzteres entscheidet über die Annahme. WordPad ist als Stellvertreter dabei nützlich, gerade weil es so wenig unterstützt.

Zuerst die Tabellen prüfen, dann alles, was einmal ein Feld war — ein sich selbst aktualisierendes Datum, eine Seitenzahl, ein Querverweis — denn jedes davon erstarrt beim Umwandeln zum Wert, den es in diesem Moment trug, und ist danach nicht mehr lebendig. Anschließend die erste und letzte Seite auf die üblichen Alterserscheinungen einer dreißig Jahre alten Datei prüfen. Diese halbe Minute ist billiger als eine abgelehnte Einreichung und ein erneutes Antragsfenster.

Manchmal stellt sich erst nach der Umwandlung heraus, dass RTF nur eine Zwischenstation war — etwa weil das Einreichungssystem eigentlich Rich Text akzeptiert, aber am Ende doch lieber PDF gesehen hätte. Für diesen Fall ist der bessere Weg nicht, das RTF noch einmal weiterzuwandeln, sondern von der ursprünglichen DOC-Datei aus direkt eine DOC-zu-PDF-Umwandlung auf dieser Website zu starten. Jede zusätzliche Zwischenstufe ist eine weitere Gelegenheit für kleine Verschiebungen in Tabellen und Zeilenumbrüchen.

Soll das Dokument dagegen weiter bearbeitbar bleiben, aber in einem moderneren, geprüften Format, ist DOC zu DOCX die passendere Wahl und keine Notlösung: DOCX validiert seine eigene Struktur beim Speichern, während ein fehlerhaftes RTF sich öffnen lässt, ohne dass irgendetwas den Fehler meldet.

Betrifft die Formatblockade nicht ein einzelnes Dokument, sondern einen ganzen Aktenordner aus einem alten System, lassen sich mehrere DOC-Dateien gemeinsam ablegen. Jede wird für sich auf dem Server umgewandelt, und das Ergebnis kommt gesammelt als ein ZIP zurück, statt Datei für Datei einzeln hochgeladen und wieder heruntergeladen werden zu müssen.

Weil jede Datei einzeln durch dieselbe fünfundzwanzig-Megabyte-Grenze und dieselbe Sechzig-Sekunden-Frist pro Auftrag läuft, ist eine Handvoll ungewöhnlich großer, stark bebilderter Dokumente im Stapel der wahrscheinlichste Grund, warum eine einzelne Datei aus einem größeren Durchlauf fehlschlägt, während der Rest anstandslos durchläuft.