DOCX in RTF umwandeln

Eine beeidigte Übersetzerin liefert ihre Zieltexte aus einem CAT-Tool als DOCX, weil das der übliche Export für die eigentliche Übersetzung ist. Für die zweisprachige Prüfung durch die Kanzlei oder das Amt, das den Auftrag erteilt hat, verlangt der Arbeitsablauf aber Rich Text: eine Datei, die jedes System öffnet, in der die Änderungsverfolgung von Word zuverlässig funktioniert und die kein internes Format eines bestimmten Übersetzungsprogramms voraussetzt. Auch manche Diktier- und Fachverfahren-Software in Verwaltung und Kanzleien importiert ausdrücklich nur Rich Text, weil ihre Importroutine geschrieben wurde, lange bevor DOCX existierte.

In all diesen Fällen ist die DOCX-Datei fertig und richtig — nur das Format passt nicht zum nächsten Schritt in der Kette. Diese Umwandlung überführt sie, ohne den Inhalt anzufassen, und der Rest dieser Seite sagt, was dabei bleibt und was nicht.

RTF kann von einem Programm erzeugt und gelesen werden, das nichts von ZIP-Archiven, XML-Schemata oder Office-Suiten weiß — es ist Zeichen und Steuerworte. Das machte es über eine Generation hinweg zum sicheren kleinsten gemeinsamen Nenner, und Software, die sich darauf verlässt, überlebt die Mode bei weitem. Microsoft hat die Weiterentwicklung der Spezifikation 2008 eingestellt, was in diesem Zusammenhang eher ein Vorteil ist als ein Versäumnis: Ein Format, das sich nicht mehr ändert, ist eines, auf das sich ein altes Importsystem dauerhaft verlassen kann.

Genau das macht RTF zur Konstante in Arbeitsabläufen, die sich sonst kaum ändern — eine Serienbrief-Engine, ein Fachverfahren aus den Neunzigerjahren, ein Prüfsystem, das seit seiner Einführung nicht angerührt wurde. Diese Systeme werden nicht für eine einzelne Einreichung umgeschrieben, und der schnellere Weg ist, die Vorgabe zu erfüllen, statt gegen sie zu argumentieren.

Mehr, als das Alter von RTF vermuten lässt, denn das Format wurde genau für den Transport formatierter Dokumente entworfen. Formatvorlagen kommen als Formatvorlagen an, nicht als manuelle Formatierung — Überschriften bleiben Überschriften. Tabellen behalten Zellen, Rahmen und verbundene Bereiche, Listen ihre Nummerierung, Kopf- und Fußzeilen, Seitenzahlen, Fußnoten, Hyperlinks, Lesezeichen und die Seiteneinrichtung haben auf beiden Seiten eine direkte Entsprechung, bis hin zu Zeichenmerkmalen wie Unterschneidung und Farbe.

Die Umwandlung läuft über LibreOffice, das DOCX als vollwertiges Format liest und RTF als vollwertigen Filter schreibt, auf einer Maschine mit metrisch kompatiblen Ersatzschriften für Arial, Times New Roman, Courier New, Calibri und Cambria. Das hält Zeilenumbrüche an derselben Stelle, was zählt, wenn das empfangende System selbst paginiert. Eine Schriftart kann RTF dagegen nicht mitführen — sie wird nur benannt, und die Maschine, die die Einreichung am Ende öffnet, ersetzt jede Schrift, die sie nicht besitzt.

Alles, was Word nach dem Einfrieren der RTF-Spezifikation ergänzt hat. Inhaltssteuerelemente und strukturierte Dokumentmarken werden zu gewöhnlichem Text. SmartArt kommt, wenn überhaupt, als Bild an. Dokumentdesigns lösen sich in die konkreten Schriften und Farben auf, auf die sie verwiesen haben. Eingebettete Schriften wandern nicht mit, weil RTF keinen Mechanismus dafür kennt.

Das lohnt sich zu prüfen statt anzunehmen, denn der Fehler ist leise: Ein Inhaltssteuerelement, das zu Fließtext wird, sieht auf dem Bildschirm weiterhin korrekt aus und tut trotzdem nichts mehr. Kam die DOCX-Datei aus einer Vorlage mit ausfüllbaren Feldern, ist die RTF-Datei eine Momentaufnahme dieses Vorlageninhalts, kein Formular. Dasselbe gilt für jedes Feld, das noch berechnet wurde — ein sich selbst aktualisierendes Datum, eine Seitenzahl, ein Querverweis. Jedes davon erstarrt zu dem Wert, den es im Moment der Umwandlung trug, und hört auf, lebendig zu sein, was meist genau das ist, was ein Prüfsystem erwartet, und selten das, was eine Vorlagenautorin beabsichtigt hat.

Ein DOCX ist ein ZIP-Archiv, sein XML wird also komprimiert, bevor es die Festplatte erreicht. RTF kennt keinerlei Komprimierung, jedes Steuerwort steht ausgeschrieben in der Datei. Für ein überwiegend aus Fließtext bestehendes Dokument bedeutet das gewöhnlich ein Mehrfaches der Größe, was unauffällig ist, bis eine Anhangsgrenze im Weg steht.

Bilder sind der auffällige Fall. RTF speichert ein eingebettetes Bild als hexadezimalen Text, jedes Byte des Bildes wird also zu zwei Zeichen in der Datei. Eine bebilderte Vorlage mit Briefkopf und zwei Fotos kann als RTF ein Vielfaches des DOCX ausmachen. Ist das Dokument bebildert und das Ziel hat eine Größengrenze, lohnt sich das Verkleinern der Bilder in Word vor der Umwandlung — der Briefkopf, der auf jeder Seite wiederholt wird, ist meist der erste sinnvolle Kandidat.

Die RTF-Syntax kennt kein VBA-Projekt, jede in der DOCX-Datei hinterlegte Automatisierung bleibt also nicht aus Versehen, sondern per Definition zurück. Text, Tabellen und Layout kommen an, der Code nicht und kann es auch nicht.

Mehrere der Systeme, die ausdrücklich Rich Text fordern, tun das genau deshalb. Ein Prüfsystem, das inerte Dokumente annimmt und Container ablehnt, die etwas ausführen könnten, hat damit eine ganze Fehlerklasse aus seiner Annahme entfernt, und es wird sich nicht davon überzeugen lassen, dass die eigene DOCX-Datei harmlos sei. Das Umwandeln ist die Antwort, die die Anforderung erfüllt, statt gegen sie zu argumentieren.

RTF besitzt Darstellungen für Überarbeitungsmarken und Kommentare, und einfache Fälle überstehen den Weg. Verlassen sollte man sich nicht darauf, denn die beiden Modelle liegen Jahrzehnte auseinander, und jede Übertragung dazwischen ist eine Annäherung, die das jeweils lesende Programm vornimmt.

Für eine Übersetzungsprüfung, bei der die Änderungsmarken selbst das Ergebnis sind — welche Formulierung eine Fachprüferin korrigiert hat und welche nicht —, lohnt sich der Test in dem Programm, das die Gegenseite tatsächlich benutzt, nicht in Word. Das ist die einzige Prüfung, die etwas aussagt, wenn die Datei später als Beleg dafür dient, was tatsächlich geändert wurde.

Eine RTF-Datei ist Text, ein Texteditor zeigt also den Inhalt umgeben von Steuerworten, und WordPad, LibreOffice Writer und TextEdit öffnen sie alle als formatiertes Dokument ohne Zusatzsoftware. Das erlaubt, das Ergebnis vor dem Absenden selbst zu prüfen, statt es zu glauben.

Am besten öffnet man die Datei in dem Programm, das der eigentlichen Gegenstelle am nächsten kommt, nicht in dem bequemsten. Eine Rich-Text-Datei, dargestellt von Word, und dieselbe Datei, dargestellt vom eigenen Parser eines Prüfsystems, können sich unterscheiden, und Letzteres entscheidet über die Annahme. Zuerst die Tabellen prüfen, dann alles, was einmal ein Feld war.

Das läuft auf unserem Server, nicht im Browser. Zwei vollständige Textverarbeitungsformate ineinander zu überführen 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 Hintergrund, der keinen eigenen Zugang zum offenen Internet besitzt.

Jeder Auftrag bekommt ein eigenes Arbeitsverzeichnis, das gelöscht wird, sobald der Auftrag endet, unabhängig vom Ergebnis. Läuft ein einzelner Umwandlungsschritt länger als sechzig Sekunden, wird er abgebrochen. Der kostenlose Tarif nimmt Dateien bis 25 MB an — gemessen an dem, was hochgeladen wird, denn die zurückkommende RTF-Datei ist meist deutlich größer.

Wird die Formatierung von der empfangenden Stelle ohnehin verworfen — eine Indexierung, die nur Wörter zählt, ein System, das alles in seine eigene Vorlage umbricht —, ist Klartext die schnellere Wahl und spart die Auszeichnung. Das Ergebnis ist kleiner, eindeutig, und es bleibt nichts übrig, das falsch dargestellt werden könnte.

Muss das Dokument dagegen exakt so aussehen, wie es gesetzt wurde, und niemand soll etwas verändern, ist PDF das richtige Ziel und RTF die schlechtere Wahl. RTF ist genau in dem schmalen Bereich richtig, in dem die Gegenseite tatsächlich etwas bearbeiten soll und ihre Software ausschließlich Rich Text annimmt. Außerhalb davon ist meist eines der beiden anderen Formate die bessere Antwort.

Ein Serienbrieflauf oder ein Aktenexport liegt selten als einzelne Datei vor. Bis zu hundert DOCX-Dateien lassen sich gemeinsam ablegen, jede wird für sich auf dem Server umgewandelt, und das Ergebnis kommt als eine gesammelte ZIP-Datei zurück, statt Datei für Datei einzeln hoch- und wieder heruntergeladen werden zu müssen.

Weil diese Umwandlung auf dem Server läuft, zählt jede einzelne Datei gegen das kostenlose Kontingent von hundert Serverumwandlungen am Tag — anders als bei den Umwandlungen, die im Browser rechnen und die niemand zählt. Für einen Stapel von dreißig oder vierzig Dokumenten ist das kein Thema; für einen ganzen Aktenbestand mit mehreren Hundert Dateien ist ein einmaliger Lauf mit LibreOffice auf der Kommandozeile die ehrlichere Empfehlung, weil dort keine Obergrenze mitzählt.