¿Qué es un archivo DOC?

DOC es un formato binario, que solo significa algo para un programa que lo conoce. Se usa para la edición.

La extensión es .doc y el nombre completo, Word 97-2003 Document. Ambos importan menos que lo que el archivo puede contener, y de eso trata el resto de esta página.

Microsoft lo publicó en 1997.

A un formato que lleva tanto tiempo siendo legible se le puede confiar algo que quieras recuperar dentro de diez años.

Está escrita y se puede implementar, aunque quien decide cómo será la próxima versión es el fabricante. En la práctica basta para que el archivo siga abriéndose; no basta para confiarse.

Sigue abriéndose en todas partes y los programas antiguos aún lo escriben, pero ya no se construye nada nuevo a su alrededor. Convierte lo que quieras conservar y no lo elijas para algo que empieza hoy.

Un archivo DOC no está limitado a una página, y eso importa al convertirlo a algo que sí lo está: de una conversión sale un único archivo con una sola página dentro — la primera, salvo que el conversor te deje elegir cuál.

DOC contiene un documento de texto: párrafos que se reajustan a la página en la que caen.

Eso decide cómo se convierte: el texto se reajusta, así que los números de página son una propiedad del resultado y no del archivo.

Microsoft Word y LibreOffice Writer lo leen, y también la mayoría de programas del mismo tipo.

Cuando un archivo no se abre, el formato rara vez es el problema: lo más habitual es que el programa sea anterior al formato. Convertir a algo más antiguo es la salida fiable, y para eso está el resto de este sitio.

Ningún navegador lo lee.

Ese es el motivo más frecuente para convertirlo: no que el formato sea malo, sino que el sitio donde quieres mostrar el archivo no sabe leerlo.

DOC está pensado para abrirse y cambiarse. Guarda el archivo en este formato mientras el trabajo siga en marcha y exporta desde él cada vez que haga falta una copia terminada.

Las quejas recurrentes: la maquetación se reconstruye en vez de reproducirse exactamente.

Nada de esto es motivo para evitar el formato. Son las cosas que conviene conocer antes de que una de ellas te sorprenda, que es una afirmación distinta y más útil.

DOC fue el formato de Word desde 1983 hasta que Office 2007 lo sustituyó por DOCX. Lleva casi dos décadas jubilado, así que un DOC que aparece hoy siempre viene con historia detrás: un archivo administrativo, una carpeta de plantillas que nadie ha vuelto a mirar, un expediente digitalizado, un despacho, la copia de seguridad de un equipo que ya no existe.

Eso decide qué merece la pena saber sobre él. Las preguntas útiles son cómo abrirlo, qué se va a mover al convertirlo y qué puede estar llevando dentro. La pregunta de si conviene usarlo no está sobre la mesa: alguien la respondió por ti hace mucho tiempo.

DOCX es un ZIP con XML legible dentro. DOC no se parece en nada: es un archivo binario compuesto, es decir, algo muy próximo a un pequeño sistema de archivos metido en un solo archivo, con flujos de registros estructurados. Ábrelo en un editor de texto y verás trozos sueltos de tus frases flotando entre ruido.

La especificación acabó publicándose y es enorme, porque el formato creció por acumulación durante veinte años en lugar de haber sido diseñado de una vez. Esa es la razón honesta de que el soporte de DOC fuera del propio Word haya sido siempre aproximado: no es desgana, es un blanco móvil con décadas de comportamiento no documentado a la espalda.

Las versiones antiguas de Word usaban el guardado rápido: en lugar de reescribir el archivo, añadían los cambios al final. En el hardware de la época eso ahorraba segundos, y como efecto secundario dejaba dentro del archivo texto que ya habías eliminado, invisible en Word y perfectamente legible para cualquier cosa que mirase los bytes.

De ahí salió una serie de episodios bien documentados en los que el destinatario de un documento recuperó borradores anteriores. Si el DOC que manejas tiene un pasado que te importe, trátalo como si contuviera más de lo que enseña; y ten en cuenta que convertirlo a DOCX o a PDF con una herramienta moderna es una de las formas fiables de dejar ese residuo atrás.

El texto, los títulos, las listas, las tablas, las notas al pie y las imágenes llegan sin sobresaltos. Lo que no llega es la capa de trabajo que rodeaba al documento: al pasar a DOCX, ODT o RTF, las macros, los objetos incrustados y el historial de revisiones normalmente se quedan por el camino, y al PDF no pasan ni los comentarios ni el control de cambios. Para la inmensa mayoría de documentos ya cerrados, cartas, informes, contratos, originales de un libro, el archivo convertido es el mismo documento.

Lo que se desplaza es la maquetación exacta. El reparto de líneas y el tratamiento de fuentes cambiaron entre una época y otra, así que una página que terminaba justo en cierta palabra puede terminar una línea antes o después, y una tabla ajustada al milímetro puede recolocarse. En cincuenta páginas eso mueve un salto de página. Si lo que importa es la paginación en sí, por ejemplo un escrito que se presenta ante un registro o una obra ya compuesta, conviértelo a PDF, donde la maqueta queda fijada en lugar de recalcularse.

Un DOC nombra sus fuentes y casi nunca las incrusta. Un documento escrito en 2004 en un equipo con Windows puede pedir tipografías que venían con el Office de aquella década y que hoy no están en ninguna parte, así que el lector sustituye por otra cosa con anchos de letra distintos.

Aquí conviene ser concreto sobre lo que ocurre en esta web. La conversión corre en un contenedor con Liberation, Liberation 2, Carlito, Caladea, DejaVu Core, Noto Core y Noto CJK instaladas. Carlito reproduce las métricas de Calibri y Caladea las de Cambria, de modo que un documento en Arial, Times New Roman, Courier New, Calibri, Cambria o con las fuentes incrustadas conserva la maqueta. Cualquier otra cosa se sustituye en silencio y el texto se recoloca.

Un archivo DOC admite macros. Es la diferencia práctica más importante con DOCX, que no las admite: un documento moderno con macros tiene que guardarse como DOCM y lo anuncia en la propia extensión.

Los documentos de Word con macros fueron durante toda una generación el vehículo preferido del software malicioso, y por eso el Word actual abre en vista restringida lo que viene de internet y se niega a ejecutar nada hasta que se lo dices dos veces. Un DOC adjunto que no esperabas merece la misma desconfianza que ya le tiene el programa, y convertirlo en lugar de abrirlo en Word es una manera razonable de leer el contenido sin ejecutar nada.

Sobre todo instituciones con memoria larga. Sedes electrónicas y sistemas de presentación de escritos que fijaron un formato en 2003 y no lo han revisado. Carpetas corporativas de plantillas donde un formulario lleva veinte años copiándose hacia delante. Gestores documentales antiguos que exportan lo que guardaron. De vez en cuando, programas que escriben DOC porque la biblioteca de la que dependen solo supo hacer eso.

Hay además un caso más silencioso: archivos que no son DOC en absoluto. Algunas herramientas escriben RTF, o incluso HTML, y le ponen la extensión .doc porque Word lo abre igual. Si un conversor rechaza un archivo que Word acepta, conviene comprobar esto antes de dar el archivo por dañado.

Lo primero que hay que descartar es que no sea un DOC. Documentos de Works, archivos de WordPerfect y RTF renombrados a .doc aparecen constantemente, y cada uno necesita un lector distinto. Los primeros bytes lo dicen: un DOC auténtico empieza por la firma de archivo compuesto, y un RTF empieza literalmente por las letras que forman su nombre.

El daño real es más difícil y casi siempre parcial, porque el formato guarda el texto en flujos que pueden sobrevivir a la pérdida de la estructura que los rodeaba. La opción de recuperar texto del propio Word saca las palabras y abandona el formato, que para un documento cuyo valor es el contenido suele ser el intercambio correcto.

Las cuatro conversiones de DOC las hace LibreOffice, y LibreOffice no cabe en un navegador. Son de las pocas de esta web en las que el archivo se envía: viaja a api.quinvert.com, se escribe en una carpeta temporal recién creada con el nombre input.doc, de modo que tu nombre de archivo no llega a tocar el disco, y la carpeta entera se borra al terminar, también cuando la conversión falla. El contenedor que hace el trabajo no tiene salida a internet.

De ahí salen dos números que conviene tener presentes. El límite en las conversiones de servidor es de 25 MB por archivo, no los 100 MB de las que corren en el navegador, y hay un tope de 100 conversiones de servidor por día, contado de medianoche a medianoche en UTC. Un DOC de texto casi nunca se acerca a esos 25 MB; uno lleno de imágenes escaneadas, a veces sí.