Was ist eine DOCX-Datei?

DOCX ist ein Behälter: eine Hülle für Ströme, die etwas anderes kodiert hat. Eingesetzt wird es für die Bearbeitung.

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

Microsoft hat es 2007 veröffentlicht. Die Spezifikation ist ECMA-376.

Das Alter ist aus einem praktischen Grund interessant: je älter ein Format, desto mehr Programme hatten Zeit, es zu lernen.

Sie ist vollständig veröffentlicht, das Format lässt sich also aus dem Dokument umsetzen statt durch Nachsehen. Deshalb taucht es in so vielen Programmen auf, und deshalb gehen Dateien von vor zwanzig Jahren heute noch auf. Veröffentlicht heißt allerdings nicht lizenzfrei: Wo ein Format einen Codec einpackt, ist die Patentfrage eine eigene, die der Standard nicht mitbeantwortet.

Eine DOCX-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.

DOCX kann keinen ausführbaren Code mitführen. Deshalb lassen Mailserver und Dokumentenportale es durch, wo sie den makrofähigen Zwilling anhalten.

DOCX 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.

DOCX bringt optionale Verschlüsselung mit.

Eine verschlüsselte Datei muss aufgeschlossen werden, bevor sie irgendetwas umwandeln kann — hier wie überall. Ein Passwort ist nichts, was ein Umwandler umgehen kann, und einem, der es behauptet, sollte man die Datei erst recht nicht geben.

Microsoft Word, LibreOffice Writer und Google Docs 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.

DOCX kann Dokumenteigenschaften halten.

Ob davon etwas eine Umwandlung übersteht, hängt ganz am Zielformat, und die ehrliche Antwort lautet meistens „ein Teil".

DOCX 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.

Eine .docx in .zip umbenennen und öffnen zeigt einen kleinen Verzeichnisbaum: word/document.xml trägt den Text, word/styles.xml die Formatvorlagen, word/media/ jedes Bild, docProps/ die Dokumenteigenschaften. Alles davon ist lesbarer Text, den man ohne Word einsehen kann.

Das ist der Grund, warum DOCX außerhalb von Microsoft tatsächlich gut unterstützt wird, während DOC das nie war: Das Format wurde als offener Standard veröffentlicht, sodass LibreOffice, Google Docs und ein Dutzend Bibliotheken gegen eine Spezifikation implementieren statt gegen Vermutungen. Es erklärt auch, warum sich ein beschädigtes Dokument manchmal retten lässt, indem man document.xml von Hand herauszieht.

Die Dokumenteigenschaften tragen Autorenname, wer zuletzt gespeichert hat, den Firmennamen aus der Office-Installation, die gesamte Bearbeitungszeit und jedes Revisionsdatum. Ein aus einer fremden Vorlage entstandenes Dokument nennt oft deren Ursprung statt Ihres.

Nachverfolgte Änderungen sind der schärfere Fall. Wurde mit eingeschalteter Änderungsverfolgung gearbeitet und nie angenommen, steht die ursprüngliche Formulierung noch in der Datei — sichtbar für jeden, der die Ansicht umschaltet. Kommentare verhalten sich gleich: in einer Anzeigeart versteckt, im XML trotzdem vorhanden. Dokumente an Mandanten, Gegenanwälte und Redaktionen haben wiederholt die Verhandlung enthüllt, die zu ihnen führte.

Word kann Text als versteckt markieren, und versteckter Text wird weder gedruckt noch normal angezeigt. Er steht trotzdem vollständig in document.xml, als gewöhnliche Zeichen mit einer Formatierungsmarke daneben.

Dasselbe gilt für weißen Text auf weißem Grund, Text hinter einem Bild und Inhalt in einer eingeklappten Überschrift. Keines davon ist eine Löschung. Muss etwas den Empfänger sicher nicht erreichen, gehört es aus dem Dokument entfernt — verlässlich lässt sich das prüfen, indem man in ein PDF wandelt, das nur zeichnet, was tatsächlich sichtbar ist, oder die Metadaten dieser Seite gezielt entfernt.

Eine Überschrift, die über die Vorlage Überschrift 1 gesetzt wurde, und eine, bei der Text markiert und auf 16 Punkt fett gestellt wurde, sehen am Bildschirm identisch aus und stehen in der Datei vollkommen verschieden da. Die erste ist Struktur, die zweite ist Dekoration.

Der Unterschied entscheidet, ob das automatische Inhaltsverzeichnis funktioniert, ob die Navigationsleiste nutzbar ist, ob eine Vorleseanwendung Überschriften ansagt und ob das Dokument sauber nach PDF, HTML oder EPUB wandert. Es ist der einzelne größte Faktor dafür, ob eine lange DOCX-Datei angenehm oder mühsam zu bearbeiten ist, und er ist unsichtbar, bis die Struktur gebraucht wird.

Eine als .docx gespeicherte Datei kann kein VBA-Projekt enthalten. Das ist Absicht und die nützlichste Sicherheitseigenschaft, die das Format hat: Ein Dokument mit Makros muss als .docm gespeichert werden, was sich in der Endung ankündigt. Was diese Regel nicht übersteht, ist eine Umbenennung — Word öffnet ein Dokument anhand seines Inhalts, nicht seiner Endung, sodass eine auf .docx umbenannte DOCM-Datei mit intaktem Code weiterläuft, und diese Lücke ist dokumentiert missbraucht worden.

Eine unerwartete .docx-Datei kann also kein VBA ausführen, was enger ist als „unbedenklich". Ein makrofreies Dokument kann auf eine makrobehaftete Vorlage auf einem fremden Server verweisen; CVE-2022-30190 erreichte Codeausführung über ein Dokument ohne jedes Makro; und OLE-Objekte sowie DDE-Felder sitzen in ganz gewöhnlichen Dateien, weshalb Microsoft DDE-Start und OLE-Auto-Aktivierung inzwischen standardmäßig blockiert. Die Endung ist ein Hinweis, kein Urteil, und der Inhalt kann trotzdem ein Phishing-Versuch sein.

Eine DOCX-Datei benennt ihre Schriften und bettet sie meist nicht ein. Öffnet man das Dokument auf einem Rechner ohne diese Schriftart, wird etwas anderes eingesetzt, mit anderen Zeichenbreiten, und der Text bricht neu um.

Bei einem zweiseitigen Brief fällt das nicht auf. Bei einem fünfzigseitigen Bericht verschiebt es Seitenumbrüche, drängt eine Tabelle über eine Seitengrenze und macht aus einer einzeiligen Überschrift zwei Zeilen. Nichts geht verloren, nichts muss repariert werden — aber wenn die Seitenaufteilung Teil des Dokuments ist, wie bei einem Schriftsatz mit Seitenverweisen, ist ein PDF die richtige Wahl zum Versenden und die DOCX bleibt zum Bearbeiten.

Alles im Archiv ist komprimiert, und Dokument-XML ist stark repetitiv, sodass ein umfangreicher Bericht oft nur einige hundert Kilobyte wiegt. Text kostet fast nichts.

Groß wird eine DOCX-Datei durch Bilder, konkret durch Fotos, die in Kameraauflösung eingefügt und danach nur verkleinert dargestellt wurden. Word speichert das Original, sodass ein Dokument mit acht Fotos in Postkartengröße vierzig Megabyte an JPEG in voller Auflösung mit sich trägt. Die eingebaute Funktion zum Verkleinern von Bildern skaliert sie tatsächlich herunter, und das ist meist der Unterschied zwischen einem Anhang, der durchgeht, und einem, der zurückkommt.

Die Umwandlung nach PDF läuft nicht im Browser, sondern in einem Container auf unserem Server, weil kein Browser LibreOffice mitbringt. Die Datei geht dorthin, wird verarbeitet und danach gelöscht, mit einer Grenze von 25 statt 100 Megabyte, weil diese Rechenzeit uns etwas kostet.

Was dabei entsteht, legt das Layout fest und schreibt, was tatsächlich gezeichnet ist — versteckter Text erscheint also nicht im Ergebnis. Makros, Kommentare und nachverfolgte Änderungen werden bei dieser Umwandlung grundsätzlich nicht übernommen, unabhängig davon, ob sie angenommen wurden oder noch offen sind: Vor dem Versand annehmen oder ablehnen ändert am PDF nichts, es lohnt sich trotzdem für die DOCX-Version, die weiterlebt. Die Dokumenteigenschaften wandern häufig mit, sofern sie nicht gezielt entfernt werden, und der Weg zurück von PDF zu einem bearbeitbaren Dokument ist eine Rekonstruktion, nie das Original — die DOCX bleibt die eigentliche Arbeitsdatei.