Convertir RTF a DOCX

Los RTF llegan, emitidos por algo. Una plataforma de transcripción o de dictado que devuelve un borrador, un programa de gestión de expedientes que exporta un escrito, un motor de combinación de correspondencia que produce una tirada de cartas, el generador de informes de una aplicación sectorial, un compañero que escribió el texto en el editor que trae el sistema sin fijarse en qué guarda. En todos los casos el formato lo eligió un programa escrito cuando el texto enriquecido era el mínimo común denominador seguro.

El momento que te trae aquí es aquel en que el documento deja de ser una salida y pasa a ser trabajo. Hay que comentarlo, corregirlo con control de cambios, meterlo en la plantilla de la casa, generar un índice o pasárselo a tres personas que van a añadir algo cada una. Word abrirá el RTF perfectamente y será una herramienta algo peor para todo eso, y además el archivo pesará una barbaridad. Convertir una vez, al principio, sale más barato que pelearse con el formato en cada guardado.

El RTF es de 1987 y el registro lo marca como heredado. Es texto plano: las palabras están ahí, rodeadas de palabras de control precedidas de contrabarra que describen una tabla de tipografías, una de colores, una hoja de estilos y el formato de cada tramo. Cualquier programa puede generar uno concatenando cadenas, que es exactamente la razón de que tantos lo hagan. Microsoft dejó de desarrollar la especificación en 2008.

El DOCX es de 2007, está normalizado como ECMA-376 y es un archivo ZIP con partes XML dentro y un grafo de relaciones entre ellas. La diferencia práctica no es elegancia sino validación: una parte mal formada dentro de un DOCX hace que Word se niegue a abrirlo, mientras que un RTF ligeramente mal se abre ligeramente mal. Ese fue el trato que hizo el formato antiguo a cambio de su universalidad, y por eso un RTF que se ve bien no es prueba de un RTF que esté bien.

Cuenta con que el DOCX sea una fracción del RTF, y con que la proporción dependa casi por completo de las imágenes. Un DOCX es un ZIP, así que su XML se comprime antes de tocar el disco; el RTF no tiene compresión de ninguna clase y guarda cada palabra de control literalmente, de manera que hasta un documento de solo texto ocupa varias veces lo que necesitaría.

Las imágenes son el caso llamativo, porque un RTF guarda una imagen incrustada como texto hexadecimal: aproximadamente dos caracteres en el archivo por cada byte de imagen. Un documento con media docena de capturas de pantalla puede ser un orden de magnitud más grande como RTF que como DOCX con las mismas fotos dentro. Si el archivo que te mandaron parecía absurdamente pesado para lo que contiene, esa es la explicación, y la conversión lo arregla de rebote y no como función.

Más de lo que sugiere la edad del formato, porque el RTF se inventó justamente para mover documentos con formato entre programas. La hoja de estilos llega como estilos y no como formato manual, que es lo más importante para quien piense volver a maquetar el documento después. Las tablas conservan celdas, bordes y combinaciones; las listas conservan la numeración; encabezados, pies, paginación, notas al pie, notas al final, hipervínculos, marcadores y configuración de página tienen representación directa a los dos lados.

El trabajo lo hace LibreOffice, que trata los dos formatos como filtros de primera clase y no como un añadido. Lo que no cruza es lo que el RTF nunca tuvo, y eso tiene su propio apartado más abajo, porque es la confusión que más tiempo hace perder.

La máquina donde se ejecuta la conversión lleva sustitutos de métrica compatible para Arial, Times New Roman, Courier New, Calibri y Cambria: tipografías dibujadas de otra manera y medidas exactamente igual, que es lo que mantiene los saltos de línea en su sitio y lo que hace que un documento pensado para caber en una página siga cabiendo.

Fuera de ese conjunto —y de las tipografías incrustadas— la sustitución es silenciosa y el texto se recoloca. Eso incluye las tipografías corporativas, las decorativas y cualquier cosa que instalara el programa que generó el RTF. Conviene saberlo antes de comparar el resultado con el original: si el documento estaba compuesto con una tipografía de marca, la diferencia de maquetación no es un fallo de la conversión sino la ausencia de ese archivo de fuente.

Un RTF declara un juego de caracteres y escapa contra él todo lo que no sea ASCII, cosa razonable en 1987 y fuente inagotable de texto estropeado hoy. En español eso significa que las eñes, las tildes, las diéresis y los signos de apertura son precisamente los caracteres que viajan escapados, y basta con que el programa que escribió el archivo declarara una página de códigos que no corresponde con lo que puso dentro para que los apellidos vuelvan con interrogantes o con letras equivocadas.

Una conversión no puede reparar eso, y saberlo ahorra una tarde buscando un ajuste inexistente. Si el RTF ya se ve mal en Word o en LibreOffice, los caracteres del archivo están mal y el DOCX arrastrará fielmente los mismos caracteres mal. La solución está en el origen: que el sistema que lo generó lo emita otra vez con la codificación correcta, o corregir a mano una vez, en el DOCX, donde ya se quedarán bien. Revisa en particular los nombres propios, las direcciones y cualquier campo que viniera de una base de datos.

El RTF tiene representación para marcas de revisión y anotaciones, y los casos sencillos sobreviven a un viaje por él. Es bastante menos fiable que un formato moderno, porque los dos modelos están separados por décadas y cualquier correspondencia entre ellos es una aproximación que hace el programa que esté leyendo.

Por eso el orden de trabajo importa. Convierte primero y enciende después el control de cambios sobre el DOCX, donde se usa el modelo propio de Word y todos los revisores ven lo mismo. Si el RTF que recibiste ya trae marcas de revisión —una entrega de un procedimiento, un texto devuelto por otro despacho—, contrástalas con el original antes de fiarte de ellas y resuélvelas antes de hacerlo circular, en lugar de arrastrar un historial dudoso a un documento nuevo.

Este es el límite honesto de la conversión y pilla a quien supone que un viaje de vuelta restaura lo que quitó el viaje de ida. Si el documento nació como DOCX con controles de contenido, etiquetas de documento estructurado, gráficos SmartArt, un tema o tipografías incrustadas, todo eso se aplanó al escribirlo como texto enriquecido. Convertir de vuelta te da la versión aplanada dentro de un envase moderno, no el original.

El fallo es silencioso, que es lo que obliga a comprobarlo en lugar de suponerlo. Un control de contenido convertido en texto corriente se ve exactamente igual y ya no hace nada; un campo que se calculaba —una fecha, un total de páginas, una referencia cruzada— es ahora el valor que tenía en el momento de la exportación. Si el documento salió de una plantilla y alguien espera volver a rellenarlo, lo que necesitas es la plantilla y no esta conversión.

No se ejecuta en tu navegador, y esta página lo dice claro en vez de insinuar que todo lo de este sitio pasa en local. Convertir entre dos formatos completos de procesador de textos necesita un motor ofimático de verdad, así que el archivo viaja por una conexión cifrada hasta un contenedor con LibreOffice, y ese contenedor no tiene salida propia a internet.

Cada trabajo recibe su propio directorio temporal y su propio perfil de LibreOffice —dos procesos compartiendo un perfil lo corrompen, y el síntoma no es un error sino una conversión que no vuelve nunca— y el directorio se borra al terminar, salga bien o salga mal. Cualquier proceso que siga vivo a los sesenta segundos se termina. El tope gratuito es de 25 MB por archivo, que en RTF con ilustraciones es un límite que se toca de verdad.

Un detalle pequeño y comprobable en el código: el archivo subido se guarda en el directorio temporal con un nombre genérico y la extensión que corresponda, nunca con el nombre que traía. En documentos de trabajo eso importa más de lo que parece, porque los nombres de archivo de un despacho o de una consulta suelen llevar dentro un apellido, un número de expediente o una fecha de nacimiento.

El borrado del directorio está escrito en un bloque que se ejecuta también cuando la conversión falla, no solo cuando sale bien, y hay una prueba automática que lo sujeta. Es la clase de detalle que no se nota nunca y que decide la diferencia entre una promesa y una propiedad del sistema.

Abre el resultado y compáralo con el RTF en paralelo, en lugar de leerlo solo. Tres sitios concentran casi todo el riesgo: las tablas con celdas combinadas, todo lo que antes fuera un campo de formulario y el punto donde un documento largo cambia de página. La numeración es el cuarto si hay listas de varios niveles, porque reiniciar o continuar la numeración es un terreno donde dos implementaciones pueden discrepar con toda legitimidad.

Si después va a entrar en una plantilla compartida, hazlo a continuación y vuelve a revisar, porque aplicar una plantilla a un documento convertido es donde chocan los estilos importados con los de la casa. Y conviene resistirse a borrar el RTF enseguida: es el único registro de lo que produjo el sistema de origen, y si mañana surge una duda sobre qué decía la transcripción o la exportación, la respuesta es ese archivo y no tu copia editada.