Convertir DOC a ODT

El formato binario de Word viene de 1997 y OpenDocument se publicó en 2005, con el propio formato de reemplazo de Microsoft apareciendo entre medias en 2007. Convertir un `.doc` directamente a ODT se salta por tanto una generación en lugar de escalonarla, y no hay motivo para hacer la parada intermedia: el mismo programa lee el archivo viejo y escribe el nuevo en ambos casos.

Lo que hace sensata la ruta directa es que el destino es una decisión sobre los próximos veinte años y no sobre esta semana. Si el archivo se va a mover, se va a mover una vez. Además evita una segunda ronda de verificación: toda migración necesita que alguien abra una muestra del resultado y confirme que está bien, y hacer eso dos veces para el mismo fondo documental es justo el trabajo que se salta la segunda vez.

OpenDocument lo mantiene OASIS y está publicado como ISO/IEC 26300. Nadie tiene que mantener una licencia al día para leerlo, ninguna empresa decide sola cuándo se acaba el soporte, y la especificación está disponible para quien quiera escribir un lector desde cero dentro de cuarenta años. Ese es el argumento entero, y es un argumento de contratación pública antes que técnico.

Por eso el requisito suele llegar como norma y no como preferencia: varias administraciones nombran ODF entre los formatos admitidos para el intercambio y la conservación de documentos, y explicar que el formato de Microsoft también está documentado no cambia lo que acepta el formulario. La objeción razonable —un formato que nadie en la oficina puede abrir tampoco es preservación— la esquiva OpenDocument porque el programa que lo lee es libre, multiplataforma y no caduca.

La parte incómoda de una migración heredada suele ser la lectura, no la escritura. Un `.doc` binario no es un formato que se pueda abrir con un editor de texto y arreglar a mano, y las versiones actuales de Office rechazan por defecto las variantes más antiguas. El conjunto de programas que todavía lo leen bien es pequeño, y LibreOffice es el más capaz de ellos.

Eso es lo que se ejecuta aquí: el archivo lo abre la misma suite ofimática que lo abriría en un escritorio, y lo escribe como OpenDocument el programa para el que OpenDocument es el formato nativo. En todo el recorrido no interviene ninguna licencia de Microsoft, cosa que para un colegio o una asociación pequeña es a menudo el factor que decide. También significa que la conversión se puede repetir más adelante, mientras los originales sigan existiendo y algo siga pudiendo leerlos.

Todo lo que lo hacía un documento. Los estilos de párrafo y de carácter se corresponden con estilos de OpenDocument, las tablas conservan su estructura y sus celdas combinadas, las imágenes se quedan ancladas donde estaban, los encabezados, los pies y la numeración de páginas cruzan, las notas siguen atadas a su llamada y los saltos de sección con su propia configuración de página sobreviven como secciones.

Es un resultado de renderizado y no una copia: la conversión reproduce el documento, no lo transcribe byte a byte. Para un informe, un acta, una carta o un reglamento —que es de lo que están hechos casi todos los fondos documentales— eso no supone ninguna diferencia visible.

Las tipografías no se incrustan: se sustituyen. La máquina que hace la conversión lleva instaladas las familias Liberation y Liberation 2, Carlito, Caladea, DejaVu y las Noto básicas, incluidas las de escritura china, japonesa y coreana. Carlito es el clon métrico de Calibri y Caladea el de Cambria, y las Liberation lo son de Arial, Times New Roman y Courier New: ocupan el mismo espacio que los originales, que es por lo que el número de páginas casi nunca se mueve.

Conviene decir hasta dónde llega esa promesa, porque es más corta de lo que la gente supone. «El diseño se conserva» es defendible para documentos escritos en Arial, Times New Roman, Courier New, Calibri, Cambria o con fuentes incrustadas, y para nada más. Cualquier otra tipografía se sustituye en silencio y el texto se recompone. Los documentos de esa época nombran con frecuencia fuentes que nunca se distribuyeron ampliamente —una que venía con un controlador de impresora, otra comprada para una sola publicación—, y esos son exactamente los archivos en los que cambia el recuento de páginas.

Un `.doc` puede contener macros escritas contra el modelo de objetos de Word. LibreOffice tiene su propio sistema de scripts y su propio modelo, y no existe traducción fiel entre ambos, así que la automatización se queda fuera mientras el texto y el formato llegan intactos. Los comentarios y las marcas de control de cambios tampoco se trasladan.

En una migración de archivo eso es casi siempre lo correcto: un fondo documental guarda documentos, no programas, y un registro almacenado que ejecuta código al abrirse es un riesgo antes que una función. Donde la automatización era realmente el documento —un formulario de solicitud, una plantilla que calcula— hay que reconstruirla a conciencia, y eso es un proyecto y no una conversión. Donde importaban los comentarios o el historial de cambios, conserva el original: son la parte que el ODT no va a poder devolverte.

Los documentos Word binarios llevan un bloque de resumen que sus dueños olvidan con facilidad: un título que nunca se actualizó, el nombre de quien guardó el archivo por última vez, una organización que desde entonces cambió de nombre, a veces un recuento de revisiones que cuenta más del proceso de redacción de lo que nadie pretendía publicar.

Aquí no vamos a afirmar cuáles de esas propiedades cruzan y cuáles no, porque esa decisión la toma la suite ofimática y no nuestro código. Si el fondo se va a publicar y no solo a guardar, abre las propiedades de una muestra del resultado y decide qué debe quedarse. Para una colección grande la versión sensata es una política: decidir qué deben decir las propiedades, ponerlas de forma uniforme en el conjunto convertido y dejar constancia de esa decisión junto a la colección.

Interpretar un documento Word binario requiere una suite ofimática completa; no existe una biblioteca pequeña que lo haga bien, y fingir lo contrario sería justo el tipo de afirmación que este sitio no hace. Así que esta conversión se ejecuta en un contenedor nuestro, no en tu navegador, y la página lo dice en lugar de dejar que se dé por supuesto.

El archivo viaja por conexión cifrada a `api.quinvert.com`, se escribe en un directorio temporal recién creado y se guarda bajo un nombre fijo derivado de la extensión, de modo que el nombre de tu archivo no llega a tocar el disco. Ese directorio se borra en un bloque que se ejecuta también en todas las rutas de fallo, y una prueba automatizada sujeta ese borrado. El contenedor no tiene salida a internet, cosa que también está afirmada por una prueba, y el resultado se devuelve con la instrucción de no guardarlo en caché. En el despliegue no hay base de datos ni almacenamiento de objetos.

Cualquier proceso lanzado en el servidor se mata a los sesenta segundos. Para un documento de texto eso es un margen amplísimo; conviene enunciarlo así, por proceso, porque decir «las conversiones caducan al minuto» no sería exacto en otras familias de formato donde una petición encadena varios procesos.

El límite de tamaño de los pares de servidor es de 25 MB por archivo, la cuarta parte del que se aplica a las conversiones que ocurren en el navegador. Hay un detalle incómodo que merece la pena saber: la zona de soltar archivos aplica el límite del navegador a todo lo que se le echa, así que un `.doc` de 40 MB es aceptado por la interfaz y rechazado después por la interfaz de programación. Si un documento muy grande falla, ese es el motivo y no un problema del archivo.

El plan gratuito permite cien conversiones de servidor por visitante y día, con un límite de ráfaga de cinco peticiones por minuto. La ventana es el día UTC y no las últimas veinticuatro horas, así que el contador se pone a cero a medianoche de Greenwich: la una de la madrugada en España en invierno, las dos en verano, y a lo largo de la tarde en Hispanoamérica. Si estás migrando un fondo por la noche, ese detalle decide dónde se corta la tanda.

El contador guarda un único registro con el día y el número usado. No hay dirección IP, ni nombre de archivo, ni agente de usuario. Ese cupo se aplica solo a los pares que pasan por el contenedor; las conversiones que se ejecutan en el navegador no cuentan nada porque no nos cuestan nada.

Las migraciones llegan en carpetas: una década de actas de comisión, las fichas de un colegio, los modelos de un despacho. Suelta el directorio completo y cada archivo se convierte por turno, conservando su nombre con la extensión cambiada y volviendo en un solo archivo comprimido. El techo por tanda son cien archivos, y el excedente se descarta sin aviso; recuerda además que cada archivo gasta una de las cien conversiones diarias.

Toma la muestra a propósito y no al azar. Abre el archivo más largo, el que tiene más tablas y aquel cuyo diseño alguien cuidó, porque ahí es donde una conversión falla y no en las notas internas de tres párrafos. Retira los originales solo después de eso, y solo cuando las copias en ODT estén respaldadas en algún sitio. En la mayoría de colecciones la respuesta honesta es no retirarlos: un fondo de Word binario ocupa poco para lo que cuestan hoy los discos, y conservar el origen junto a la copia elimina la posibilidad de que una migración irrepetible resulte haber sido imperfecta.

ODT es para registros que deben seguir siendo trabajables: algo que una persona va a corregir, ampliar o reutilizar. Si el contenido de un documento está cerrado y lo único que queda por exigirle es que se quede exactamente como está y se vea igual en todas partes, un PDF es el contenedor más honesto.

Muchos archivos acaban guardando los dos: el archivo OpenDocument como original editable y un PDF como versión fija de un momento concreto. Cuesta una conversión más y elimina la discusión sobre si la copia del repositorio es el mismo documento que se aprobó.