Convertire DOCX in RTF

Questa conversione non è quasi mai una preferenza. È un requisito che arriva da fuori: un portale di deposito atti che elenca il rich text e niente di più recente, una piattaforma di trascrizione o dettatura, un gestionale il cui import risale agli anni novanta, un motore di stampa unione che compone lettere inserendo testo in un modello, un processo di e-discovery che normalizza tutto ciò che riceve in rich text.

Capire perché quei sistemi abbiano scelto RTF spiega perché non cambieranno. RTF si produce e si consuma con un programma che non sa nulla di archivi ZIP, schemi XML o suite d’ufficio: sono caratteri e parole di controllo. Questo lo ha reso il minimo comune denominatore sicuro per una generazione di software, e il codice che ne dipende è sopravvissuto di gran lunga alla moda. Microsoft ha smesso di sviluppare la specifica nel 2008, e in questo contesto è una virtù, non una trascuratezza: un formato che non cambia più è un formato su cui si può scrivere una volta un sistema di acquisizione e poi dimenticarselo.

Aprendone uno in un editor di testo si legge il documento. Il testo è lì in chiaro, avvolto in parole di controllo con il backslash che descrivono la tabella dei caratteri, la tabella dei colori, il foglio di stile e la formattazione di ogni sequenza. È verboso, interamente stampabile, e riparabile a mano in un modo in cui un formato binario non lo è mai.

Questa trasparenza è l’intera personalità del formato. È il motivo per cui un RTF sopravvive a essere incollato in un sistema che rovina qualunque file con un byte nullo, perché un RTF rotto si può spesso recuperare, e anche perché non porta nessuna delle garanzie strutturali che ha un formato moderno. Niente lo convalida. Un file leggermente sbagliato di solito si apre ancora, leggermente sbagliato. Vale la pena saperlo prima di dare per scontato che un rendering pulito significhi un file pulito: un DOCX con una parte malformata viene rifiutato, e un RTF con lo stesso problema mostra silenziosamente un documento privato della sua ultima tabella.

Un DOCX è un archivio ZIP, quindi il suo XML è compresso prima ancora di arrivare al disco. RTF non ha alcuna compressione; ogni parola di controllo è memorizzata letteralmente. Per un documento prevalentemente in prosa questo di solito significa un file diverse volte più grande, cosa che passa inosservata finché non incontra un limite di allegato.

Le immagini sono il caso drammatico. Un RTF memorizza un’immagine incorporata come testo esadecimale, quindi ogni byte dell’immagine diventa due caratteri nel file. Una fotografia da cinque megabyte non arriva come cinque megabyte di RTF. Se il documento è illustrato e la destinazione ha un tetto di dimensione, conviene ridurre le immagini nel file Word prima di convertire, non dopo. L’altra leva è togliere le immagini decorative anziché quelle sostanziali — un logo di carta intestata ripetuto in ogni pagina, una foto stock in copertina — dato che un sistema di deposito è interessato al testo e il costo delle immagini lo si paga interamente a ogni invio.

Più di quanto la sua età farebbe pensare. RTF ha un foglio di stile, quindi titoli e stili di paragrafo passano come stili, non come formattazione manuale. Le tabelle mantengono celle, bordi e regioni unite. Gli elenchi mantengono la numerazione. Intestazioni, piè di pagina, numerazione delle pagine, note a piè di pagina, collegamenti, segnalibri e impostazioni di pagina hanno tutti rappresentazioni dirette, come gli attributi a livello di carattere fino al kerning e al colore.

La conversione passa per LibreOffice, che legge DOCX e scrive RTF come formati di prima classe e non come afterthought, e la macchina su cui gira porta sostituti metricamente compatibili per Arial, Times New Roman, Courier New, Calibri e Cambria. Questo fa sì che le interruzioni di riga cadano nello stesso punto, il che conta quando il sistema che riceve impagina il documento da sé. Quello che l’RTF non può fare è portarsi dietro i caratteri. Li nomina e basta, quindi la macchina che alla fine aprirà l’invio sostituisce tutto ciò che non possiede — un motivo in più per scrivere nei caratteri ordinari anziché in quelli previsti dal manuale del marchio.

Tutto ciò che Word ha aggiunto dopo che l’RTF ha smesso di evolversi. I controlli di contenuto e i tag di documento strutturati diventano testo semplice. SmartArt arriva come immagine, se arriva. I temi del documento collassano nei caratteri concreti e nei colori che stavano risolvendo. I caratteri incorporati non viaggiano, perché RTF non ha un meccanismo per portarli.

Conviene verificare anziché dare per scontato, perché l’errore è silenzioso: un controllo di contenuto che diventa testo normale continua a sembrare corretto a schermo e non fa più nulla. Se il DOCX è stato generato da un modello con regioni compilabili, l’RTF è un’istantanea del contenuto attuale del modello, non un modulo. Lo stesso vale per qualunque campo che stava calcolando — una data che si autoaggiornava, un conteggio di pagine, un riferimento incrociato. Ognuno si risolve nel valore che aveva al momento della conversione e smette di essere vivo, che di solito è ciò che un sistema di deposito vuole e mai ciò che l’autore del modello aveva immaginato.

La sintassi RTF non ha spazio per un progetto VBA, quindi l’automazione di un documento viene lasciata indietro per definizione, non per scelta. Le parole, le tabelle e l’impaginazione arrivano; il codice no.

Diversi dei sistemi che richiedono RTF lo fanno proprio per questo motivo. Un sistema di deposito che accetta documenti inerti e rifiuta contenitori che possono eseguire qualcosa si è tolto un’intera categoria di problemi dalla catena di acquisizione, e non si lascerà persuadere che il vostro file Word in particolare sia innocuo. Convertire è la risposta che rispetta il requisito anziché discuterlo.

L’RTF ha rappresentazioni per i segni di revisione e le annotazioni, e i casi semplici passano. È però notevolmente meno affidabile qui rispetto a un formato moderno, perché i due modelli hanno età diverse e la mappatura viene fatta attraverso un divario ampio.

Per qualunque cosa abbia una traccia di audit allegata, è meglio risolvere le modifiche in sospeso e inviare un documento pulito. Se le revisioni sono esse stesse il deliverable — un redline depositato come prova di ciò che è stato modificato — conviene verificare il risultato nel programma che lo leggerà, non in quello che lo ha prodotto. È l’unica verifica che conti qualcosa.

Word, LibreOffice Writer, OpenOffice, WordPad su Windows e TextEdit su macOS aprono un RTF come documento formattato senza componenti aggiuntivi. È uno dei pochissimi formati per cui questa frase resta vera su tutte le piattaforme desktop, ed è l’altra ragione per cui il formato resiste.

Questo significa anche che si può verificare l’output di persona prima di inviarlo. Si apre l’RTF, si guarda la prima pagina, le tabelle e qualunque cosa fosse un campo di modulo, e lo si confronta con il DOCX affianco. Trenta secondi spesi lì costano meno di un deposito rifiutato e di una finestra di re-invio. Si apre nel programma che assomiglia di più alla destinazione, non in quello che si ha a portata. Un rich text renderizzato da Word e lo stesso file renderizzato dal parser del sistema possono differire, ed è il parser a decidere se l’invio viene accettato.

Questo gira su un server, non nel browser. Convertire tra due formati completi di videoscrittura richiede un motore d’ufficio, e la pagina lo dice chiaramente invece di far intendere che tutto avvenga in locale. Il file arriva su una connessione cifrata a un container che esegue LibreOffice in modalità headless.

Quel container non può fare connessioni in uscita. A ogni lavoro vengono assegnati la propria directory di scratch e il proprio profilo di LibreOffice, e la directory viene cancellata quando il lavoro finisce indipendentemente dall’esito; i lavori ancora in esecuzione dopo sessanta secondi vengono terminati anziché lasciati in sospeso. Il limite gratuito è di 25 MB sul file che si invia.

Se il sistema ricevente toglierà comunque la formattazione — una pipeline di acquisizione che indicizza parole, un sistema che rifluisce tutto nel proprio modello — conviene inviare testo semplice e smettere di pagare per il markup. Il risultato è più piccolo, non ambiguo, e non c’è più nulla da renderizzare male.

Se invece il documento deve apparire esattamente come lo si è impostato e nessuno lo dovrebbe modificare, il PDF è la destinazione corretta e l’RTF è una scelta debole. L’RTF è la scelta giusta in una fascia stretta: chi riceve ha bisogno di un documento modificabile, e il suo software accetta solo rich text. Fuori da quella fascia, uno degli altri due è quasi sempre meglio.