DOCX फ़ाइल क्या होती है?

DOCX एक कंटेनर है: एक खोल, जिसके अंदर वे धाराएँ रहती हैं जिन्हें किसी और ने एन्कोड किया है। इसका इस्तेमाल एडिटिंग के लिए होता है।

एक्सटेंशन .docx है और पूरा नाम Word Document। दोनों उतना नहीं बताते जितना यह कि फ़ाइल अंदर क्या-क्या रख सकती है — और इस पन्ने का बाक़ी हिस्सा इसी के बारे में है।

इसे Microsoft ने 2007 में जारी किया था। विनिर्देश ECMA-376 है।

उम्र एक व्यावहारिक वजह से काम की है: फ़ॉर्मेट जितना पुराना, उतने ज़्यादा प्रोग्रामों को उसे सीखने का वक़्त मिला है।

यह पूरा प्रकाशित है, इसलिए कोई भी इसे देखकर अंदाज़ा लगाने के बजाय दस्तावेज़ पढ़कर लागू कर सकता है। यही वजह है कि यह फ़ॉर्मेट इतने सारे प्रोग्रामों में मिलता है, और यही वजह है कि बीस साल पहले लिखी गई फ़ाइलें आज भी खुल जाती हैं। पर विनिर्देश का प्रकाशित होना और उसका रॉयल्टी-मुक्त होना एक बात नहीं है: जहाँ फ़ॉर्मेट किसी कोडेक को अपने अंदर लपेटता है, वहाँ पेटेंट का लाइसेंस एक अलग सवाल है, और मानक उसका जवाब नहीं देता।

DOCX फ़ाइल एक पन्ने तक सीमित नहीं है, और जब इसे ऐसी चीज़ में बदला जाए जो सीमित है तो यह मायने रखता है: एक बार बदलने पर एक ही फ़ाइल निकलती है और उसमें एक ही पन्ना होता है — पहला वाला, बशर्ते कन्वर्टर पन्ना चुनने की सुविधा न देता हो।

DOCX फ़ाइल अपने साथ चलने वाला कोड नहीं ले जा सकती। इसीलिए मेल सर्वर और दस्तावेज़ पोर्टल इसे जाने देते हैं, जबकि मैक्रो वाले इसके जुड़वाँ को रोक लेते हैं।

DOCX के अंदर एक टेक्स्ट दस्तावेज़ होता है: ऐसे अनुच्छेद जो जिस पन्ने पर पड़ें उसी के हिसाब से नए सिरे से बैठ जाते हैं।

यही तय करता है कि यह कैसे बदलता है: टेक्स्ट नए सिरे से बैठता है, इसलिए पन्नों की गिनती नतीजे की ख़ासियत है, फ़ाइल की नहीं।

DOCX फ़ाइल अपने साथ चाहें तो एन्क्रिप्शन लाती है।

एन्क्रिप्ट की गई फ़ाइल को बदलने से पहले खोलना पड़ता है — यहाँ भी और कहीं भी। पासवर्ड कोई ऐसी चीज़ नहीं जिसे कोई कन्वर्टर पार कर सके, और जो यह दावा करे उसे तो फ़ाइल देनी ही नहीं चाहिए।

Microsoft Word, LibreOffice Writer और Google Docs इसे पढ़ते हैं, और इसी तरह के ज़्यादातर दूसरे प्रोग्राम भी।

फ़ाइल न खुले तो कसूर फ़ॉर्मेट का शायद ही कभी होता है — अक्सर प्रोग्राम ही फ़ॉर्मेट से पुराना होता है। किसी पुरानी चीज़ में बदल लेना इससे निकलने का भरोसेमंद रास्ता है, और इस वेबसाइट का बाक़ी हिस्सा इसी के लिए है।

इसे कोई भी ब्राउज़र नहीं पढ़ता।

इसे बदलने की सबसे आम वजह यही है: फ़ॉर्मेट ख़राब है, ऐसा नहीं — बात यह है कि जहाँ आप फ़ाइल दिखाना चाहते हैं वह जगह उसे पढ़ ही नहीं सकती।

DOCX फ़ाइल दस्तावेज़ के गुण रख सकती है।

इसमें से कुछ भी बदलाव के बाद बचेगा या नहीं, यह पूरी तरह लक्ष्य फ़ॉर्मेट पर टिका है, और ईमानदार जवाब अमूमन «कुछ हिस्सा» ही है।

DOCX इसलिए बना है कि इसे खोला और बदला जाए। जब तक काम चल रहा है फ़ाइल इसी फ़ॉर्मेट में रखिए, और जब भी बनी हुई प्रति चाहिए हो, इसी से निर्यात कीजिए।

बार-बार आने वाली शिकायतें: पन्ने की सजावट हूबहू उतरने के बजाय दोबारा बनाई जाती है।

इनमें से कोई भी फ़ॉर्मेट से दूर रहने की वजह नहीं है। ये वे बातें हैं जिन्हें इनमें से कोई आपको चौंकाए उससे पहले जान लेना चाहिए — यह अलग दावा है, और ज़्यादा काम का।

`.docx` का नाम `.zip` कर खोल लीजिए। भीतर छोटा डायरेक्टरी ढाँचा है: `word/document.xml` में पाठ, `word/styles.xml` में फ़ॉर्मेटिंग परिभाषाएँ, `word/media/` में हर तस्वीर, और `docProps/` में दस्तावेज़ की प्रॉपर्टी। यह सब बिना Word के पढ़ा जा सकने वाला पाठ है।

यही वजह है कि Microsoft के बाहर DOCX समर्थन सचमुच अच्छा है, जहाँ DOC समर्थन हमेशा अनुमानित रहा। यह फ़ॉर्मेट खुले मानक की तरह प्रकाशित हुआ, इसलिए LibreOffice, Google Docs, Pages विनिर्देश के ख़िलाफ़ लागू करते हैं, रिवर्स-इंजीनियरिंग से नहीं।

दस्तावेज़ प्रॉपर्टी लेखक, आख़िरी बार सहेजने वाले व्यक्ति, Office इंस्टॉलेशन से कंपनी का नाम, कुल संपादन समय और हर संशोधन तारीख़ ढोती है। किसी सहकर्मी के टेम्पलेट से बना दस्तावेज़ अक्सर उन्हीं का नाम लेता है, आपका नहीं।

Track changes और तेज़ धार वाला है। अगर बदलाव tracking चालू रखते हुए किए गए और कभी स्वीकार नहीं हुए, तो मूल शब्दावली अब भी फ़ाइल में है — जो कोई भी दृश्य बदल दे उसे दिख जाएगी। ग्राहकों और पत्रकारों को भेजे दस्तावेज़ों में बार-बार वह मोल-भाव मिला है जो उन्हें बनाने में हुआ था।

Word पाठ को छुपा हुआ चिह्नित कर सकता है, और छुपा पाठ सामान्य तौर पर छपता या दिखता नहीं। यह `document.xml` में पूरा-पूरा वहीं है, साधारण अक्षर के रूप में, बग़ल में एक फ़ॉर्मेटिंग फ़्लैग के साथ।

यही सफ़ेद-पर-सफ़ेद पाठ, तस्वीर के पीछे का पाठ और collapsed हेडिंग की सामग्री पर भी लागू होता है। कुछ भी मिटाया नहीं गया। अगर कुछ पाने वाले तक नहीं पहुँचना चाहिए, तो उसे दस्तावेज़ से हटाना ही पड़ेगा — और यह पक्का करने का भरोसेमंद तरीक़ा है PDF में बदलना, जो सिर्फ़ खींची चीज़ लिखता है।

Heading 1 स्टाइल लगाकर बनी हेडिंग और पाठ चुनकर 16-पॉइंट बोल्ड सेट की हेडिंग स्क्रीन पर एक जैसी दिखती हैं और फ़ाइल में पूरी तरह अलग हैं। पहली संरचना है; दूसरी सजावट।

यही फ़र्क़ तय करता है कि अपने-आप बनी सामग्री तालिका काम करेगी या नहीं, नेविगेशन पैन इस्तेमाल लायक़ है या नहीं, स्क्रीन रीडर हेडिंग बताएगा या नहीं। यह सबसे बड़ा कारक है कि लंबी DOCX के साथ काम सुखद है या दुखद।

`.docx` की तरह सहेजी फ़ाइल VBA प्रोजेक्ट नहीं रख सकती। यह जान-बूझकर है और फ़ॉर्मेट की सबसे काम की सुरक्षा विशेषता है: मैक्रो-वाला दस्तावेज़ `.docm` की तरह सहेजा जाना चाहिए, जो एक्सटेंशन में ख़ुद बोलता है। जो यह नियम नहीं बचाता वह है नाम बदलना — Word फ़ाइल को उसकी सामग्री से खोलता है, एक्सटेंशन से नहीं।

इसलिए अनचाही `.docx` VBA नहीं चला सकती, जो «खोलने के लिए सुरक्षित» से संकरा दावा है। मैक्रो-रहित दस्तावेज़ भी किसी दूरस्थ सर्वर पर मैक्रो-वाले टेम्पलेट की ओर इशारा कर सकता है, और CVE-2022-30190 बिना किसी मैक्रो वाले दस्तावेज़ से कोड निष्पादन तक पहुँचा।

DOCX अपने फ़ॉन्ट का नाम लेती है, आमतौर पर embed नहीं करती। बिना उस टाइपफ़ेस वाली मशीन पर दस्तावेज़ खोलने पर कुछ और लगता है, अलग नाप के साथ, और पाठ दोबारा बहता है।

दो-पन्ने की चिट्ठी में यह अदृश्य है। पचास-पन्ने की रिपोर्ट में यह पन्ना-टूट हिलाता है, टेबल को सीमा के आर-पार धकेलता है। अगर पेजिनेशन दस्तावेज़ का हिस्सा है — क़ानूनी दाख़िला, पन्ना-नंबर वाली इंडेक्स — तो PDF भेजिए और संपादन के लिए DOCX रखिए।

आर्काइव में सब कुछ संपीड़ित है, और दस्तावेज़ XML बहुत दोहरावदार है, इसलिए बड़ी रिपोर्ट अक्सर कुछ सौ किलोबाइट की होती है। पाठ लगभग कुछ ख़र्च नहीं करता।

DOCX को बड़ा तस्वीरें बनाती हैं, ख़ासकर कैमरा रिज़ॉल्यूशन पर डाली गई और फिर पन्ने पर घटाई गई। Word मूल रखता है, इसलिए पोस्टकार्ड आकार में आठ तस्वीरें दिखाता दस्तावेज़ चालीस मेगाबाइट की पूरे-रिज़ॉल्यूशन JPEG ढो सकता है। Word का अपना compress-pictures विकल्प उन्हें दोबारा नमूना लेता है।

PDF ले-आउट पक्का करता है, फ़ॉन्ट embed करता है, और जो पन्ने पर सचमुच खींचा है वही लिखता है — इसलिए छुपा पाठ और टिप्पणियाँ आउटपुट में नहीं दिखतीं। यह तैयार दस्तावेज़ भेजने का ईमानदार तरीक़ा है।

Track changes अपवाद है। तयशुदा सेटिंग पर बदलाव दिखते हुए बदलाव किए जाते हैं, और जो दिखता है वही निर्यात होता है — मार्क-अप PDF में पहुँच जाता है। पहले उसे स्वीकार या ठुकरा दीजिए। दस्तावेज़ प्रॉपर्टी अक्सर PDF में विरासत में चली जाती हैं, इसलिए लेखक का नाम बना रहता है जब तक साफ़ न किया जाए।

दोनों फ़ॉर्मेट एक जैसी चीज़ बताते XML के ZIP आर्काइव हैं, इसलिए अनुवाद पुनर्निर्माण के बजाय संरचनात्मक है। पाठ, हेडिंग, सूचियाँ, टेबल, फ़ुटनोट, तस्वीरें, हाइपरलिंक, टिप्पणियाँ और track changes सब दोनों दिशाओं में भरोसे से पार होते हैं।

जो हिलता है वह किनारों पर है — कुछ सूची नंबरिंग, कुछ फ़्रेम पोज़िशनिंग अलग तरह से बयान होती है। सामान्य दस्तावेज़ों के लिए बदली फ़ाइल वही दस्तावेज़ है, यही वजह है कि यह जोड़ी पुराने बाइनरी DOC से कहीं बेहतर बदलती है।