¿Qué es un archivo DOCX?

DOCX es un contenedor: una envoltura para flujos que ha codificado otra cosa. Se usa para la edición.

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

Microsoft lo publicó en 2007. La especificación es ECMA-376.

La edad interesa por un motivo práctico: cuanto más antiguo es un formato, más programas han tenido tiempo de aprenderlo.

Está publicada entera, así que cualquiera puede implementarla leyendo el documento en vez de a base de inspeccionar archivos. Por eso aparece en tantos programas, y por eso los archivos escritos hace veinte años siguen abriéndose hoy. Publicada no quiere decir libre de regalías: cuando un formato envuelve un códec, la licencia de las patentes es un asunto aparte que la norma no resuelve.

Un archivo DOCX 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.

DOCX no puede llevar código ejecutable. Por eso los servidores de correo y los portales de documentos lo dejan pasar donde detienen a su gemelo con macros.

DOCX 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.

DOCX lleva cifrado opcional.

Un archivo cifrado hay que abrirlo antes de que nada pueda convertirlo, aquí y en cualquier otro sitio. Una contraseña no es algo que un conversor pueda esquivar, y a uno que dijera lo contrario tampoco habría que confiarle el archivo.

Microsoft Word, LibreOffice Writer y Google Docs 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.

DOCX puede guardar las propiedades del documento.

Que algo de esto sobreviva a una conversión depende por completo del destino, y la respuesta honesta suele ser «una parte».

DOCX 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.

Cambia la extensión de un `.docx` por `.zip` y ábrelo. Dentro hay un árbol de carpetas pequeño: `word/document.xml` guarda el texto, `word/styles.xml` las definiciones de formato, `word/media/` todas las imágenes y `docProps/` las propiedades del documento. Todo eso es texto legible que se puede inspeccionar sin tener Word instalado.

Ahí está la razón de que el soporte fuera de Microsoft sea bueno de verdad, cuando el del antiguo DOC siempre fue aproximado: el formato se publicó como estándar, así que LibreOffice, Google Docs, Pages y decenas de bibliotecas lo implementan contra una especificación en lugar de a base de ingeniería inversa. También explica que un documento dañado se pueda rescatar a veces extrayendo `document.xml` a mano.

Las propiedades del documento llevan el autor, quien lo guardó por última vez, el nombre de la empresa tal y como se configuró la instalación de Office, las fechas de revisión y un contador de tiempo total de edición: los minutos acumulados que el documento ha estado abierto a lo largo de toda su vida. Ese último es el que sorprende a la gente. Un archivo creado a partir de la plantilla de un compañero suele nombrarle a él y no a ti.

Los cambios controlados son el filo más afilado. Si se escribió con el control activado y nadie los aceptó, la redacción anterior sigue dentro del archivo, a la vista de cualquiera que cambie el modo de visualización. Con los comentarios pasa igual: ocultos en una vista, presentes en el XML en todas. Documentos enviados a clientes, a la parte contraria y a periodistas han resultado contener la negociación que los produjo.

Word puede marcar texto como oculto, y el texto oculto ni se imprime ni se muestra en condiciones normales. Sigue en `document.xml` entero, como caracteres corrientes con un atributo de formato al lado.

Lo mismo vale para el texto blanco sobre blanco, para lo que hay detrás de una imagen y para el contenido de un título contraído. Nada de eso es una eliminación. Si algo no debe llegar al destinatario, hay que borrarlo del documento, y la forma fiable de confirmarlo es generar un PDF —que escribe solo lo que se dibuja— o quitar los metadatos a propósito con una herramienta que diga que hace eso.

Un título hecho aplicando el estilo Título 1 y otro hecho seleccionando el texto y poniéndolo en negrita a 16 puntos se ven idénticos en pantalla y son cosas distintas dentro del archivo. El primero es estructura; el segundo es decoración.

De esa diferencia dependen el índice automático, el panel de navegación, que un lector de pantalla anuncie los encabezados y que el documento se convierta limpiamente a PDF, HTML o EPUB. Es el factor que más decide si trabajar con un documento largo resulta cómodo o insufrible, y es invisible hasta que algo necesita la estructura.

Un archivo guardado como `.docx` no puede contener un proyecto de VBA. Es deliberado y es la propiedad de seguridad más útil que tiene el formato: un documento con macros tiene que guardarse como `.docm`, y así se anuncia en la extensión. Lo que la regla no resiste es un renombrado: Word abre el documento por su contenido y no por su extensión, de modo que un DOCM renombrado a DOCX se carga con el código intacto.

Así que un `.docx` inesperado no ejecutará VBA, que es bastante menos que ser seguro de abrir. Un documento sin macros puede apuntar a una plantilla con macros alojada en un servidor remoto; los objetos OLE y los campos DDE viven en documentos corrientes, y por eso Microsoft bloquea hoy por defecto su activación automática. La extensión es una señal, no un veredicto, y el contenido puede seguir siendo un intento de fraude.

Un DOCX nombra las tipografías que usa y normalmente no las incrusta. Ábrelo en una máquina que no las tenga y se sustituyen por otras, con anchos de letra distintos, y el texto vuelve a fluir.

En una carta de dos páginas eso no se nota. En un informe de cincuenta mueve los saltos, empuja una tabla al otro lado de un límite y convierte un título de una línea en dos. Al convertir a PDF en este sitio, el contenedor que hace el trabajo tiene instaladas Liberation, Carlito y Caladea, que son clones métricos de Arial, Calibri y Cambria. Con esas, con Times New Roman, con Courier New o con tipografías incrustadas, la maquetación se mantiene; cualquier otra se sustituye en silencio y el documento se recoloca.

Todo lo que hay en el paquete va comprimido, y el XML de un documento se repite muchísimo, así que un informe considerable ocupa a menudo unos cientos de kilobytes. El texto no cuesta prácticamente nada.

Lo que engorda un DOCX son las imágenes, y en concreto las imágenes insertadas a la resolución de la cámara y luego reducidas sobre la página. Word guarda el original, de modo que un documento que muestra ocho fotografías del tamaño de una postal puede arrastrar cuarenta megabytes de JPEG a resolución completa. La opción de comprimir imágenes del propio Word las remuestrea, y suele ser la diferencia entre un adjunto que sale y uno que rebota.

Las conversiones de documentos son la excepción en este sitio. Un DOCX que pasas a PDF, a ODT o a RTF no se procesa en tu navegador: se envía por conexión cifrada a la API de conversión, donde LibreOffice hace el trabajo dentro de un contenedor que no tiene salida a internet, y la carpeta temporal del trabajo se borra al terminar, haya salido bien o mal. Tu nombre de archivo no llega a tocar el disco, porque el archivo se guarda allí con un nombre genérico.

Esa ruta trae dos límites que las conversiones locales no tienen: el tamaño máximo es de 25 MB por archivo en lugar de los 100 MB que rigen cuando el trabajo se queda en tu equipo, y las conversiones en servidor gastan un cupo de cien al día que se cuenta contra un hash diario con sal de tu dirección, no contra una cuenta, y se reinicia a medianoche UTC. Si el documento no debe salir de la máquina, LibreOffice hace exactamente lo mismo en local.

Los dos formatos son archivos ZIP con XML que describen la misma clase de objeto, así que la traducción es estructural y no una reconstrucción. Texto, encabezados, listas, tablas, notas al pie, imágenes y enlaces cruzan en ambos sentidos, y el formato se mantiene.

Lo que no cruza es la capa que el documento lleva encima del texto: las macros, los objetos incrustados y el historial de revisiones —los cambios controlados— habitualmente no llegan al otro lado, y conviene aceptarlos o descartarlos antes de convertir en vez de descubrirlo después. Lo demás se desplaza en los márgenes —alguna numeración de listas, la posición de algún marco, ciertos tipos de campo se expresan distinto en cada uno—, de modo que un documento muy trabajado puede moverse un poco. Para documentos corrientes el archivo convertido es el mismo documento, y por eso este par funciona mucho mejor que cualquiera de los dos contra el viejo DOC binario.