DOC を RTF に変換

この変換は好みではなく規則への対応で、その規則はたいてい発動するまで見えません。Word がファイル形式は方針によりブロックされていると言ってきます。メールはセキュリティ装置からの通知とともに添付ファイルが取り除かれて届きます。アップロードフォームは受け付ける形式を一覧しますが、.doc はそこに含まれません。電子証拠開示や記録管理の取り込み処理は、受け取るものすべてを正規化し、リッチテキストを指定します。

これはあなたの文書に対する判断ではありません。バイナリの DOC 形式は OLE 複合ファイルです。ファイルの中の小さなファイルシステムのようなもので、VBA プロジェクトや埋め込みオブジェクト、その他多くのものを保持できる名前付きストリームを持ちます。20 年間、これは望まれないものを組織に届けるもっとも確実な方法でした。まとめてブロックするのは粗い防御ですが機能しており、1 件の提出のために解除されることはありません。RTF がその線の反対側にあるのは、それが文字であり、文字は実行できないからです。

これが近代化ではないことをはっきりさせておく価値があります。レジストリはどちらの形式も 1987 年生まれでレガシー扱いと記録しており、Microsoft は RTF の仕様の開発を 2008 年に止めています。まったく同じ古さのバイナリの入れ物をテキストの入れ物に取り替えているだけで、行き先が入れ物のほうを気にしているからこそ意味を持つ取引です。

何もファイルを拒否していないなら、これは間違ったページです。作業を続けるつもりの文書は、検証された構造を持つ生きた形式である DOCX にすべきです。読まれるだけの文書は、レイアウトを固定し誤って変更されることのない PDF にすべきです。特定のシステムが RTF を名指ししているとき、あるいは相手がオフィススイートを一切持たず WordPad しかないときに RTF を選んでください。この 2 つの場合を除けば、他の変換先のほうが優れており、このサイトにはそれぞれのページがあります。

この 2 つの形式は正反対の方向で失敗し、どちらも知っておく価値があります。バイナリの DOC は構造化ストレージファイルです。ストリーム、ストレージ、ヘッダーがあり、文章は断片から文書を再構成するピーステーブルの中に保持されています。密で、1987 年のハードウェアには効率的で、それを理解するライブラリなしには完全に不透明です。

RTF はあらゆる点で逆です。テキストエディターで開けば、フォントテーブルや色テーブル、スタイルシート、各書式のかたまりを表すバックスラッシュ接頭辞の制御語に包まれた文章がそのまま読めます。この透明性のおかげで、RTF はバイナリの中身を壊してしまうシステムを通過しても生き延び、壊れたものでもたいてい手作業で修復できます。同時に、これが誰も検証しない理由でもあります。ストリームの壊れた DOC は開くことを拒否しますが、少しおかしい RTF は少しおかしいまま開き、何も言いません。きれいに見える描画は、きれいなファイルの証拠にはなりません。

ほとんどは渡ります。RTF はまさにこれを運ぶために作られたからです。名前付きの段落スタイルは、手動の書式ではなくスタイルとして引き継がれます。RTF は本物のスタイルシートを持っているからです。表はセル、罫線、結合された領域を保ち、リストは番号付けを保ち、ヘッダー、フッター、ページ番号、脚注、文末脚注、ハイパーリンク、ブックマーク、ページ設定はどれも両側で直接対応します。

この変換は LibreOffice を経由し、バイナリの DOC 形式を読み、RTF を第一級のフィルターとして書き出します。実行される機械は、Arial、Times New Roman、Courier New、Calibri、Cambria と同じ文字幅を持つ計量互換の代替フォントを備えています。行の折り返しは同じ位置に来て、ページに収まるよう組まれた文書は収まったままです。どちらの形式もフォント自体をファイルと一緒に運べません。どちらも名前を記録するだけです。珍しい書体で描かれたものは、DOC を開いた何かによってすでに置き換えられていたはずです。

古い Word ファイルには、作者が送るつもりのなかったものが蓄積しています。文書のプロパティには、元の作者、ライセンスが登録された会社名、総編集時間、そしてしばしば以前のファイルパスの連鎖が入っています。古いバージョンの Word は削除された文章の断片をファイルに書き込むことがあり、15 回の改訂を経た文書には、誰も残すつもりのなかった文が含まれていることがあります。埋め込まれたオブジェクト——リンクされた表計算ファイル、Excel から貼り付けられたチャート——は、ページ上に見えるものをはるかに超えるデータを運んでいることがあります。

RTF を経由することで、その多くが副次的に取り除かれます。OLE ストリームや複合ファイルのプロパティセットを置く場所が、この構文にはそもそもないからです。これは一部の取り込み処理がそもそもリッチテキストを求める理由でもあります。だからといって結果を無条件に信頼してよいわけではありません。とくに DOC が古く、履歴がわからないものなら、送る前に変換された文書を読んでください。

RTF の構文には VBA プロジェクトを置く場所がないので、文書の中の自動化処理は、方針によってではなく定義によって置き去りにされます。1990 年代の DOC では、これは人々が思っているより起こりやすいことです。マクロ付きのテンプレートは当時のオフィスでは普通の慣行で、そこから作られた文書はテンプレートが持っていたものを引き継ぎます。

このファイルを開いたときに Word がセキュリティ警告を表示したことがあるなら、それがその原因で、変換はそれに対するもっとも明快な答えです。文章、表、レイアウトは相手側に届き、コードは届かず、届きようがありません。何も実行できない不活性な文書だけを受け入れ、実行できる可能性のある入れ物を拒否するファイリングシステムや取り込みシステムにとって、この変換は要件に逆らうのではなく応える対応です。

RTF はまったく圧縮を持たず、埋め込まれた画像を 16 進数のテキストとして保存します。画像 1 バイトにつきファイル内はおよそ 2 文字です。ほとんど文章だけの DOC は控えめにしか増えません。すべてのページにレターヘッドのロゴがあり、スキャンされた署名と写真 2 枚を持つ DOC は、何倍にも膨れ上がることがあります。

これはほとんどのページ以上に重要です。変換する理由が、そもそも添付ファイルやアップロードの容量制限であることが多いからです。方針によるブロックを解除しても、容量の確認で失敗しては割に合いません。文書に図が入っているなら、変換したあとではなく Word の中で先に画像を縮小してください。画像のコストはそのまま丸ごと払われ、すべてのページに繰り返される装飾的なレターヘッドがまず削るべきものです。文書に貼り付けられたスキャンページは、たいていその中でいちばん大きな項目です。

ブラウザーの中ではなく、私たちのサーバー上です。バイナリの Word ファイルを読みリッチテキストを書くにはオフィスエンジンが必要で、このページはそれをはっきり述べ、このサイトのすべてがローカルで動くかのようにほのめかすことはしません。ファイルは暗号化された通信で、LibreOffice をヘッドレスで実行するコンテナーへ送られ、そのコンテナーには外向きのインターネット接続がありません。

各ジョブは独自の一時ディレクトリと独自の LibreOffice プロファイルを持ちます。2 つの soffice プロセスが 1 つのプロファイルを共有するとそれが壊れ、症状はエラーではなく決して戻ってこない変換として表れます。ディレクトリは結果にかかわらずジョブ終了時に削除されます。60 秒を超えて動いているものは終了されます。これはとくに古い文書にとって重要です。LibreOffice は不正な形式のバイナリファイルに対して、失敗するというよりただ止まる傾向があるからです。パスワードを求める文書は、メッセージとともに失敗します。

提出する前に結果を開いて確認してください。都合の良いソフトではなく、行き先にいちばん近いソフトで開いてください。Word がレンダリングしたリッチテキストファイルと、取り込みシステム自身のパーサーがレンダリングした同じファイルは、異なることがあり、提出が受け付けられるかどうかを決めるのはそのパーサーのほうです。WordPad は、対応している機能が少ないからこそ、最小限のレンダラーの良い代用になります。

まず表を、次に自動更新される日付やページ数、相互参照など、かつてフィールドだったものを確認してください。それらはどれも変換の瞬間に持っていた値に解決され、生きたものではなくなります。それから最初と最後のページで、30 年物のファイルが蓄積する普通の損傷を確認してください。ここでの 30 秒は、提出が却下されて再提出の期間が発生するコストより安く、変換そのものでは教えてくれない唯一の確認です。