Convertir DOC a DOCX

El DOCX llegó en 2007 y el .doc binario al que sustituyó es el formato de Word 97. Casi veinte años después sigue apareciendo a diario, y siempre por los mismos motivos: un archivo que nunca se migró, una unidad compartida con una década de actas y circulares, una plantilla que un despacho reutiliza desde antes del cambio, o alguien al otro lado que trabaja con una copia antiquísima de Word y no tiene intención de comprar otra.

Ninguno de esos archivos está roto. Están escritos en un contenedor cuyo soporte se retira un poco más con cada versión de la suite, y el momento sensato para moverlos es mientras exista un programa que lea los dos extremos con comodidad. Ese programa es LibreOffice, y es el que ejecuta esta conversión. La ventana no se cierra mañana, pero se estrecha: con cada año se va también el conocimiento de qué contienen esos expedientes, porque se va con quien los escribió.

Un .doc es un archivo binario compuesto: un pequeño sistema de ficheros dentro de un solo archivo, con flujos separados para el texto, las tablas de formato, los objetos incrustados y el resumen del documento. Se diseñó para escribirse rápido en un disquete, no para que lo leyera nada que no fuera Word, y esa estructura explica que una sola zona dañada pueda dejar el documento entero sin abrir en vez de perder una página.

DOCX es la disposición contraria. Es un ZIP corriente que guarda partes XML y los archivos de imagen, razón por la cual renombrar uno a .zip y abrirlo enseña el texto del documento como marcado legible. En la práctica eso significa que un DOCX corrupto suele perder una parte y no todo, que el texto lo puede buscar cualquier herramienta que no sepa nada de Word, y que un gestor documental puede indexar el contenido sin licenciar nada. Eso último suele ser el motivo real por el que una organización quiere convertir su archivo.

En las administraciones de habla hispana el argumento no suele ser la comodidad, sino la interoperabilidad: los documentos de un expediente tienen que poder abrirse dentro de quince años por una oficina que quizá no use el mismo software, y las normas de interoperabilidad de los últimos años empujan hacia contenedores documentados en lugar de hacia binarios propietarios de los noventa.

DOCX cumple esa condición y ODT también, y la elección entre ambos es de política, no técnica. Si lo que manda es una norma que nombra un estándar mantenido de forma independiente, la respuesta es ODT y esa conversión tiene su propia página. Si lo que manda es que el documento siga funcionando en Word para quien lo tramita cada día, la respuesta es DOCX y es esta.

Word ofreció durante años un ajuste que aceleraba el guardado añadiendo los cambios al final del archivo en lugar de reescribirlo. La consecuencia era que un texto borrado podía permanecer dentro del archivo, invisible en Word y perfectamente legible para cualquier cosa que mirase los bytes en crudo. Varias filtraciones célebres fueron exactamente esto, y el ajuste desapareció de Word en la misma versión que introdujo el DOCX.

La conversión escribe un archivo nuevo a partir del documento tal y como es ahora, así que ese residuo no forma parte de lo que sale. Si lo que tienes delante es un contrato viejo, un informe recortado o una propuesta que se editó antes de enviarse, ese es un motivo para convertirlo antes de reenviarlo y para no reenviar el original. No sustituye a un proceso de anonimización: lo que sigue siendo visible en el documento sigue siéndolo después. Lo que desaparece es lo que Word ya no te enseñaba.

Las versiones actuales de la suite tratan los formatos binarios como superficie de ataque, porque durante muchos años fueron la vía más fiable para colar un documento malicioso. Los archivos que llegan de fuera se abren en un modo restringido, y las variantes más antiguas están directamente bloqueadas de serie: por eso un documento de mediados de los noventa a veces no llega a abrirse.

Enseñar a un equipo a saltarse esos avisos es la solución equivocada. Convertir el archivo elimina el motivo por el que el aviso existe. Elimina también la barra de compatibilidad que se instala arriba de la ventana, lo cual suena cosmético hasta que cuentas cuánta gente ha aprendido, gracias a ella, a ignorar por sistema la barra de mensajes.

Para cualquier cosa con forma de documento, prácticamente todo. El texto y los títulos mantienen sus estilos, las tablas mantienen filas, celdas combinadas y bordes, las imágenes se quedan donde estaban ancladas, encabezados, pies y numeración de páginas cruzan, las notas siguen unidas a su llamada y los saltos de sección con sus configuraciones de página sobreviven como secciones.

Donde sí puede moverse algo es en lo que Word rehízo entre una generación y otra: la capa de dibujo antigua, los marcos de texto flotantes, los rótulos artísticos de la época y unos pocos tipos de campo que ya no existen. Un informe corriente saldrá idéntico; un boletín de 1998 con gráficos superpuestos merece una mirada antes de dar nada por bueno.

Esta es la parte que conviene leer con atención si el documento está en español. La máquina que hace el trabajo lleva clones métricos de las tipografías habituales de Microsoft, así que un documento escrito con Arial, Times New Roman, Courier New, Calibri, Cambria o con fuentes incrustadas conserva sus saltos de línea y su recuento de páginas donde estaban.

Fuera de esa lista, la fuente se sustituye en silencio y el texto refluye. En un documento en español eso se nota antes que en uno en inglés, porque las mayúsculas acentuadas, la eñe y los signos de apertura son justo los caracteres cuya anchura y cuyo dibujo más varían entre una fuente y su sustituta. Si el archivo es una plantilla corporativa con una tipografía de marca, revisa una página con acentos y una tabla antes de dar por buena la carpeta entera.

Un .docx no es el contenedor de las macros: para eso existe la extensión .docm, que el formato de 2007 separó a propósito para que un archivo terminado en .docx no pudiera contener código ejecutable. Entregar un .docx es por tanto una declaración más fuerte que entregar un .doc.

Si el valor del documento original era su automatización —un formulario que calcula, una plantilla que monta una carta—, no cuentes con que ese comportamiento llegue al otro lado; reconstruirlo es trabajo de una persona. Para el archivo de documentos corrientes al que sirve sobre todo este par, nunca hubo una macro que perder.

Este par casi nunca es un documento suelto. Es un directorio: quince años de actas, las plantillas de un despacho, los artículos de un investigador. Suelta la carpeta y cada archivo se convierte por turno, conserva su nombre con la extensión cambiada, y el conjunto vuelve en un ZIP que puedes desplegar sobre una copia del árbol original.

Hazlo sobre una copia, no sobre el original. Convierte, revisa los archivos más grandes y los más formateados en lugar de los tres primeros por orden alfabético, y solo entonces retira las fuentes. Los que se rompen nunca son los que muestreaste: es aquel con el organigrama dibujado con objetos de Word 97. Que entren tantos archivos como salen demuestra únicamente que el motor no se cayó, y ese recuento es lo que la gente confunde con una verificación.

Esta conversión se ejecuta en un servidor y no en tu navegador, porque leer un documento binario de Word de los noventa requiere una suite ofimática completa y no hay forma honesta de hacerlo en local. El archivo viaja cifrado hasta un contenedor que ejecuta LibreOffice sin interfaz, se convierte allí y vuelve.

Ese contenedor no puede abrir conexiones hacia fuera. Cada trabajo recibe un directorio propio, el documento se guarda con un nombre neutro —el nombre de tu archivo no llega a escribirse en disco— y el directorio se borra en cuanto el trabajo termina, tanto si ha ido bien como si ha fallado. Cualquier proceso que siga vivo pasados sesenta segundos se corta, porque un binario dañado hace que LibreOffice se quede dando vueltas más a menudo que fallar. El límite gratuito es de 25 MB por archivo y hasta cien conversiones de servidor al día, contadas por día UTC.