DOC を ODT に変換 — オープンな形式に

バイナリ Word 形式は Word 97 の時代のもので、OpenDocument は 2005 年に公開され、Microsoft 自身の後継形式はその間、2007 年に登場しました。ですから .doc を直接 ODT に変換すると、1 世代を飛ばすことになります。途中に立ち寄る理由はありません。古いファイルを読んで新しいファイルを書くのは同じエンジンだからです。

直接の道が理にかなうのは、行き先が今週ではなく今後 20 年の判断だからです。アーカイブを移すなら 1 回で済ませる価値があります。たまたま近くにある形式ではなく、本当に保ちたい形式に着地させるほうが安上がりで、検証を 2 度行う手間も省けます。

OpenDocument は OASIS が保守し、ISO/IEC 26300 として公開されています。読むために有効なライセンスを維持する必要はなく、いつ対応を終えるかを 1 社が決めることもなく、仕様は 40 年後にゼロから読み取りソフトを書きたい誰にでも公開されています。これが論拠のすべてで、技術ではなく調達の議論です。

だからこの要件はたいてい好みではなく規則として届きます。各国・各地域の複数の行政の提出フォームは ODT を名指しで指定しており、DOCX も文書化されていると説明しても、フォームが受け付けるものは変わりません。ただし正しい反論もあります——役所の誰も開けない形式は保存とは呼べません。OpenDocument はその罠を避けています。読み込むソフトが無料でクロスプラットフォームで、期限切れにならないからです。

古い形式の移行で厄介なのはたいてい書く側ではなく読む側です。バイナリの .doc はテキストエディタで開いて手で直せる形式ではなく、今の Microsoft Office は最も古い変種を既定では開きません。うまく読める現存ソフトの数は少なく、LibreOffice はその中で最も能力があります。

ここで動いているのはそれです。デスクトップで開くのと同じオフィススイートがファイルを開き、OpenDocument をネイティブ形式とするソフトが書き出します。経路のどこにも Microsoft のライセンスは関わらず、学校や小さな団体にとってはそれが決め手になることがよくあります。原本が残っていて読めるものがある限り、あとで再実行することもできます。

文書たらしめていたものすべてです。段落・文字スタイルは OpenDocument のスタイルに対応し、表は構造と結合セルを保ち、画像は元の位置に留まり、ヘッダー・フッター・ページ番号は引き継がれ、脚注・文末脚注は参照とともに残り、独自のページ設定を持つセクション区切りはセクションとして残ります。

フォントは埋め込みではなく置換で処理されます。変換を行う機械は主要な Microsoft 書体の互換フォントを持っています。Arial には Liberation、Calibri には Carlito、Cambria には Caladea です。これらは元と同じ幅で組まれるので、たいていページ数は変わりません。この時代の文書はプリンタードライバー同梱の書体や、ある出版物のためだけに買われた書体を指定していることも多く、その場合は近い書体に置き換えられます。ページ数が変わるのはそういう文書です。

差異は Microsoft 自身が後に廃止した機能に集中しています。旧来の描画レイヤー——グループ化された図形、フロート枠、その時代のワードアート——は Word の世代間で作り直されており、OpenDocument に正確な対応物はないので、そうしたオブジェクトで組まれたレイアウトはずれることがあります。一部のフィールドコードは完全に消滅しています。

報告書や議事録、手紙、方針文書といったアーカイブの大部分にはこれは影響しません。使える経験則があります。同僚の別バージョンの Word で開いてもすでに見た目がおかしいファイルは、変換後にも確認すべきファイルです。それ以外はまとめて変換して信頼できます。

バイナリ Word 文書は所有者が忘れがちな概要情報のブロックを持っています。更新されなかったタイトル、最後に保存した人の名前、その後名前が変わった組織、時には公開するつもりのなかった編集プロセスを物語る改訂回数などです。

変換はこの基本プロパティを新しく作ったり消したりせずそのまま引き継ぐので、このアーカイブが単に保管ではなく公開されるなら、変換したファイルのサンプルでプロパティを開き、何を残すか判断してください。1 ファイルあたり 1 分の作業ですが、あとになって初めて必要性に気づく種類の確認です。大きなアーカイブでは、点検ではなく方針として扱うのが賢明です。プロパティに何を書くべきか決め、変換済みのセットに一貫して設定し、何を変えたかを記録しておいてください。

.doc は Word のオブジェクトモデルに対して書かれた Visual Basic for Applications を含むことがあります。LibreOffice には独自のスクリプトシステムと独自のオブジェクトモデルがあり、忠実な変換方法はないので、テキストと書式はそのまま届く一方、自動化は落ちます。

記録の移行ではこれはほぼ常に正しい結果です。アーカイブが保持するのは文書であってプログラムではなく、開いたときにコードを実行する保存記録は機能ではなく責任です。自動化そのものが文書の本質だった場合——申請フォームや計算用テンプレート——は意図的に作り直す必要があり、それは変換ではなくプロジェクトです。

移行はたいていフォルダー単位で届きます。10 年分の委員会資料、学校のワークシート、法律事務所の定型文書。ディレクトリごと置けば各ファイルが順に変換され、拡張子だけ変わったファイル名のまま、元の構造をなぞる 1 つの ZIP として戻ります。

出力はでたらめではなく意図的にサンプリングしてください。いちばん長いファイル、表が最も多いファイル、レイアウトに誰かがこだわったファイルを開いてください。変換が失敗するのはそこであり、普通の連絡文書ではありません。原本を破棄するのはそのあと、ODT のコピーがどこかにバックアップされてからにしてください。多くのコレクションでは、正直な答えは原本を破棄しないことです。バイナリ Word ファイルは今の基準では小さく、原本を変換済みコピーと一緒に残すコストは数ギガバイト程度で、やり直せない移行が不完全だったと後で分かる可能性を消してくれます。

この組み合わせはブラウザーではなくサーバーで動き、このページはそれを前提にせず明言します。複合バイナリの Word ファイルを解釈するには本物のオフィススイートが必要で、それを正しく行う小さなライブラリはなく、そうでないふりをすることはこのサイトのやり方ではありません。

ファイルは暗号化された接続で、LibreOffice をヘッドレスで動かすコンテナへ送られ、そのコンテナには独自の外向きネットワークアクセスがありません。ジョブごとに隔離された作業ディレクトリが割り当てられ、結果がどうであれジョブが終われば削除され、60 秒を過ぎても終わらないジョブは打ち切られます。無料枠は 1 ファイル 25 MB です。

ODT は今後も編集され、拡張され、再利用される記録のためのものです。文書の中身が確定していて、残る要件が「どこでも同じに見えたまま変わらないこと」だけなら、PDF のほうが誠実な入れ物です。

多くのアーカイブは両方を持つことになります。編集可能なマスターとしての OpenDocument ファイルと、ある版を固定したレンディションとしての PDF です。追加の変換が 1 回増えるだけで、保管しているコピーが承認されたものと同じ文書かどうかという議論を消せます。