RTF を DOCX に変換

誰も好んで RTF を書きません。文字起こしサービスの下書き、案件管理システムからの書き出し、差し込み印刷の結果、業務ソフトの帳票出力、Mac の「テキストエディット」で気づかず保存されたもの——なにかのプログラムが、リッチテキストが安全な共通形式だった時代の判断で選んだ拡張子です。

それが仕事の始まりに変わる瞬間があります。コメントを付け、変更履歴で赤入れし、社内テンプレートに流し込み、目次を作り、複数人で手を入れる——Word はこの RTF を問題なく開きますが、そうした作業には少し不向きな道具になり、ファイルも不自然に大きいままです。最初に一度変換しておくほうが、保存のたびに形式と格闘するより安上がりです。

RTF は 1987 年の仕様で、レジストリでもレガシー扱いです。中身はプレーンテキストで、単語の並びをバックスラッシュ付きの制御語が囲み、フォント表・色表・スタイルシートを記述します。文字列連結だけで生成できるので、多くのプログラムがこれを選んできました。Microsoft はこの仕様の開発を 2008 年に止めています。

DOCX は 2007 年、ECMA-376 として標準化され、XML パーツどうしの関係グラフを持つ ZIP アーカイブです。実務上の違いは優雅さではなく検証にあります。DOCX の壊れた部分は Word に開くこと自体を拒否させますが、少しおかしい RTF は少しおかしいまま開いてしまいます。見た目がきれいな RTF が、中身もきれいだという証拠にはなりません。

DOCX は RTF の何分の一かに収まると見ておいてください。差は画像の有無にほぼ左右されます。DOCX は ZIP なので中の XML はディスクに書かれる前に圧縮されており、RTF には圧縮の仕組みがまったくないため、文字だけの文書でも本来より数倍大きくなります。

劇的なのは画像です。RTF は埋め込み画像を 16 進数のテキストとして保存します——1 バイトの画像データにつき、ファイル内でおよそ 2 文字を使う計算です。スクリーンショットを 6 枚含む文書は、同じ画像を持つ DOCX より一桁大きくなることがあります。渡された RTF が中身の割に妙に重いと感じたら、それが理由で、変換は副次的にその重さを直します。

RTF は形式間で書式付き文書を移すために設計された経緯があるため、見た目の古さの割に多くが渡ります。スタイルシートは直接書式ではなくスタイルとして渡り、あとで文書を再デザインしたい人にはこれが最重要です。表はセルも罫線も結合セルも保たれ、リストの番号、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、しおり、ページ設定はすべて双方に対応があります。

実際の変換は LibreOffice が担い、両形式を二流の変換先ではなく一級のフィルターとして扱っています。動く環境には Arial、Times New Roman、Courier New、Calibri、Cambria の字幅互換フォントが揃っているため、改行位置は保たれ、ページに収まるよう組まれた文書はそのまま収まります。

これは変換の正直な限界で、片道の変換が消したものを往復で取り戻せると思い込む人を裏切ります。文書がもともと DOCX で、コンテンツコントロール、構造化文書タグ、SmartArt、文書テーマ、埋め込みフォントを持っていたなら、それらはリッチテキストとして書き出された時点でフラット化されています。変換で戻ってくるのは、フラット化された内容が新しい容れ物に入っただけのものです。

この失敗は目に見えません。テキスト化されたコンテンツコントロールは見た目そのままで機能だけ失われ、日付やページ数、相互参照のような計算フィールドは、書き出された瞬間の値のまま固定されます。文書がテンプレートから出てきたもので、また記入し直す予定があるなら、必要なのはこの変換ではなくテンプレートそのものです。

RTF にも変更履歴と注釈の表現はあり、単純なケースは往復に耐えます。ただしこれは十分に信頼できるものではありません。2 つのモデルは何十年もの差があり、それをつなぐ対応関係は読み込む側のプログラムがそのつど作る近似にすぎません。

だから作業の順序が大事です。まず変換し、それから DOCX の中で変更履歴を有効にして校閲を始めてください。Word 本来のモデルがそのまま使われ、全員が同じものを見ます。受け取った RTF にすでに変更履歴が入っている場合——電子開示のエクスポートや他事務所からの赤入れなど——は、それを元と突き合わせてから使い、あいまいな履歴を新しい文書に持ち越さないよう、回覧の前に解決しておいてください。

RTF は文字コードを宣言し、それに沿って ASCII 以外をエスケープします。1987 年当時としては合理的な設計でしたが、今では文字化けの原因になりがちです。異なる地域設定の古いプログラムで書かれたファイルは、実際の中身と違うコードページを名乗ることがあり、その結果として名前が疑問符や誤ったアクセント記号になります。

これは変換で直せません。RTF が Word や LibreOffice ですでに文字化けして表示されているなら、ファイル自体の中の文字が間違っており、DOCX も同じ間違った文字を忠実に引き継ぎます。直すには元のシステムに正しいエンコーディングで出力させ直すか、DOCX の中で該当の名前を一度手で直しておく必要があります。

処理はブラウザーではなくサーバー上で行われます。2 つの本格的なワープロ形式のあいだの変換にはオフィスエンジンが要るため、そう明記しておきます。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ーへ送られ、そのコンテナー自身は外向きの通信を開けません。

ジョブごとに専用の作業ディレクトリーと LibreOffice のプロファイルが割り当てられ——2 つの soffice プロセスが 1 個のプロファイルを共有すると壊れ、症状はエラーではなく戻ってこない変換になります——終了と同時に、成功でも失敗でも削除されます。無料の上限は 1 ファイル 25 MB で、RTF は大きくなりがちなので、画像入りの文書では実際に効いてくる制限です。

結果だけを読むのではなく、RTF と並べて見比べてください。危険が集中するのは結合セルを含む表、かつてフォームフィールドだった箇所、長い文書がページをまたぐ場所の 3 か所です。多段リストを使っている文書なら、番号の再開と継続がもう一つの確認点になります。

この先で社内テンプレートに流し込む予定があるなら、それも今のうちにやって、もう一度確認してください。テンプレート適用は、取り込んだスタイルと社内スタイルがぶつかりやすい場面です。RTF をすぐに消さないほうがよいでしょう。元のシステムが実際に何を出力したかを示す唯一の記録であり、文字起こしや出力内容について疑問が出たときの答えになるのは、編集後のコピーではなく元のファイルです。