Che cos’è un file DOCX?

DOCX è un contenitore: un involucro per flussi codificati da qualcos’altro. Si usa per la modifica.

L’estensione è .docx e il nome per esteso è Word Document. Contano entrambi meno di ciò che il file può contenere, ed è di questo che parla il resto della pagina.

Microsoft lo ha pubblicato nel 2007. La specifica è ECMA-376.

L’età serve saperla per un motivo pratico: più un formato è vecchio, più programmi hanno avuto tempo di impararlo.

È pubblicata per intero, quindi la si può implementare partendo dal documento invece che per osservazione: è per questo che il formato compare in così tanti programmi, ed è per questo che file scritti vent’anni fa si aprono ancora. Una specifica pubblicata però non è la stessa cosa di una esente da royalty: dove un formato incapsula un codec, le licenze sui brevetti restano una questione a parte che lo standard non risolve.

Un file DOCX non è limitato a una pagina, e la cosa conta quando lo si converte in qualcosa che invece lo è: una conversione produce un solo file con dentro una sola pagina — la prima, a meno che non sia una di quelle che il convertitore ti lascia scegliere.

DOCX non può portare codice eseguibile. È per questo che i server di posta e i portali documentali lo lasciano passare dove fermano il suo gemello con le macro.

DOCX contiene un documento di testo: paragrafi che si riadattano alla pagina su cui finiscono.

È questo a decidere come si converte: il testo si riadatta, quindi i numeri di pagina sono una proprietà del risultato e non del file.

DOCX porta con sé una cifratura opzionale.

Un file cifrato va sbloccato prima che qualcosa possa convertirlo, qui come altrove. Una password non è qualcosa che un convertitore possa aggirare, e a uno che sostenesse il contrario non converrebbe affidare il file.

Microsoft Word, LibreOffice Writer e Google Docs lo leggono, e così fanno quasi tutti i programmi dello stesso tipo.

Quando un file non si apre, il formato è raramente il problema: più spesso è il programma a essere più vecchio di lui. Convertire in qualcosa di più vecchio è la via d’uscita affidabile, ed è a questo che serve il resto di questo sito.

Nessun browser lo legge.

È di gran lunga il motivo più comune per convertirlo: non che il formato sia scadente, ma che il posto in cui vuoi mostrare il file non sappia leggerlo.

DOCX può contenere le proprietà del documento.

Se qualcosa di tutto questo sopravviva a una conversione dipende interamente dalla destinazione, e la risposta onesta è di solito «una parte».

DOCX è pensato per essere aperto e modificato. Tieni il file in questo formato per tutto il tempo in cui il lavoro va avanti, ed esporta da lì ogni volta che serve una copia finita.

Le lamentele ricorrenti: l’impaginazione viene ricostruita invece che riprodotta esattamente.

Nessuna di queste è un motivo per evitare il formato. Sono le cose che conviene conoscere prima che una di loro ti sorprenda, che è un’affermazione diversa e più utile.

Rinominate un `.docx` in `.zip` e apritelo. Dentro c’è un piccolo albero di cartelle: `word/document.xml` contiene il testo, `word/styles.xml` le definizioni di formattazione, `word/media/` ogni immagine, e `docProps/` le proprietà del documento. Tutto è testo leggibile che si può ispezionare senza Word.

È per questo che il supporto al DOCX fuori da Microsoft è genuinamente buono dove il supporto al DOC è sempre stato approssimativo. Il formato è stato pubblicato come standard aperto, quindi LibreOffice, Google Docs, Pages e decine di librerie lo implementano contro una specifica invece che per reverse engineering. È anche per questo che un documento corrotto a volte si può salvare estraendo `document.xml` a mano.

Le proprietà del documento portano l’autore, chi lo ha salvato per ultimo, il nome dell’azienda dall’installazione di Office, il tempo totale di modifica e ogni data di revisione. Un documento creato da un modello di un collega spesso nomina lui invece di voi.

Le revisioni tracciate sono il lato più tagliente. Se le modifiche sono state fatte con il tracciamento attivo e mai accettate, il testo originale è ancora nel file — visibile a chiunque cambi la modalità di visualizzazione. I commenti sono uguali: nascosti in una modalità, presenti nell’XML comunque. Documenti inviati a clienti, controparti legali e giornalisti si sono ripetutamente rivelati contenere la trattativa che li ha prodotti.

Word può marcare del testo come nascosto, e il testo nascosto non stampa né si mostra normalmente. È comunque interamente in `document.xml`, come caratteri ordinari con un flag di formattazione accanto.

Lo stesso vale per il testo bianco su bianco, il testo dietro un’immagine, e il contenuto in un titolo compresso. Nessuno di questi è una cancellazione. Se qualcosa non deve raggiungere il destinatario, va cancellato dal documento — e il modo affidabile per confermarlo è convertire in PDF, che scrive solo ciò che viene disegnato, oppure rimuovere i metadati deliberatamente.

Un titolo fatto applicando lo stile Titolo 1 e un titolo fatto selezionando il testo e impostandolo a 16 punti grassetto sembrano identici a schermo e sono completamente diversi nel file. Il primo è struttura; il secondo è decorazione.

La differenza decide se il sommario automatico funziona, se il pannello di navigazione è usabile, se uno screen reader annuncia i titoli, e se il documento converte in modo pulito in PDF, HTML o EPUB. È il fattore singolo più grande nel decidere se un DOCX lungo è piacevole o penoso da usare, ed è invisibile finché qualcosa non ha bisogno della struttura.

Un file salvato come `.docx` non può contenere un progetto VBA. È deliberato ed è la proprietà di sicurezza più utile che il formato abbia: un documento con macro deve essere salvato come `.docm`, che si dichiara nell’estensione. Ciò che la regola non sopravvive è una rinomina — Word apre un documento in base al contenuto piuttosto che all’estensione, quindi un DOCM rinominato in DOCX si carica comunque con il codice intatto, e i ricercatori documentano che ciò viene sfruttato.

Quindi un `.docx` inaspettato non può eseguire VBA, il che è più ristretto di essere sicuro da aprire. Un documento senza macro può puntare a un modello con macro su un server remoto; la CVE-2022-30190 ha raggiunto l’esecuzione di codice da un documento senza alcuna macro dentro; e oggetti OLE e campi DDE stanno in documenti ordinari, motivo per cui Microsoft ora blocca l’avvio DDE e l’auto-attivazione OLE per impostazione predefinita. L’estensione è un segnale, non un verdetto, e il contenuto può comunque essere un tentativo di phishing.

Un DOCX nomina i propri font e di solito non li incorpora. Aprire un documento su una macchina senza quel carattere fa sì che venga sostituito qualcos’altro, con larghezze di lettera diverse, e il testo si ridistribuisce.

In una lettera di due pagine è invisibile. In una relazione di cinquanta pagine sposta le interruzioni di pagina, spinge una tabella oltre un confine e trasforma un titolo su una riga in due. Non si perde nulla e non c’è nulla da riparare — ma se l’impaginazione fa parte del documento, come in un atto legale o qualunque cosa con un indice numerato, inviate un PDF e tenete il DOCX per modificare.

Tutto nell’archivio è compresso, e l’XML del documento è molto ripetitivo, quindi una relazione sostanziosa è spesso poche centinaia di kilobyte. Il testo costa quasi nulla.

Ciò che rende un DOCX grande sono le immagini, e in particolare immagini inserite alla risoluzione della fotocamera e poi ridimensionate sulla pagina. Word memorizza l’originale, quindi un documento che mostra otto fotografie in formato cartolina può portare quaranta megabyte di JPEG a piena risoluzione. L’opzione di compressione immagini di Word le ricampiona, ed è di solito la differenza fra un allegato che si invia e uno che rimbalza.

Il PDF fissa il layout, incorpora i font e scrive ciò che è effettivamente disegnato sulla pagina — quindi testo nascosto e commenti non compaiono nell’output. È il modo onesto per inviare un documento finito.

Le revisioni tracciate sono l’eccezione, e quella da controllare prima che un documento esca dall’ufficio. La conversione gira con le impostazioni predefinite, che mostrano le modifiche non accettate, e ciò che viene mostrato è ciò che viene esportato: la marcatura finisce nel PDF. Accettatela o rifiutatela prima.

Due cose che la conversione non rimuove. Le proprietà del documento sono spesso ereditate dal PDF, quindi il nome dell’autore viaggia a meno di non essere cancellato deliberatamente. E la conversione è di fatto a senso unico: un PDF può essere convertito di nuovo in qualcosa di modificabile, ma il risultato è una ricostruzione, non il documento originale. Conservate il DOCX.

Entrambi i formati sono archivi ZIP di XML che descrivono lo stesso tipo di oggetto, quindi la traduzione è strutturale piuttosto che una ricostruzione. Testo, titoli, elenchi, tabelle, note a piè di pagina, immagini, collegamenti ipertestuali, commenti e revisioni tracciate passano tutti in modo affidabile in entrambe le direzioni.

Ciò che si sposta è ai margini — qualche numerazione di elenco, qualche posizionamento di cornice, alcuni tipi di campo sono espressi diversamente dai due formati — quindi un documento molto stilizzato può spostarsi leggermente. Per documenti ordinari il file convertito è lo stesso documento, motivo per cui questa coppia converte molto meglio di quanto entrambi facciano verso il vecchio DOC binario.