Wat is een DOC-bestand?

DOC is een binair formaat dat alleen iets betekent voor een programma dat het kent. Het wordt gebruikt voor bewerken.

De extensie is .doc en de volledige naam Word 97-2003 Document. Allebei zeggen ze minder dan wat het bestand kan bevatten, en daar gaat de rest van deze pagina over.

Microsoft bracht het in 1997 uit.

Aan een formaat dat zo lang leesbaar is gebleven kun je iets toevertrouwen dat je over tien jaar terug wilt hebben.

Hij staat op papier en is uitvoerbaar, maar hoe de volgende versie eruitziet bepaalt de leverancier. In de praktijk is dat genoeg om het bestand te blijven openen; het is niet genoeg om erop te rekenen.

Het gaat overal nog open en oudere programma’s schrijven het nog, maar er wordt niets nieuws meer omheen gebouwd. Converteer wat je wilt bewaren en kies het niet voor iets dat vandaag begint.

Een DOC-bestand is niet tot één pagina beperkt, en dat telt bij het converteren naar iets dat dat wel is: één omzetting levert één bestand op met daarin één pagina — de eerste, tenzij de omzetter je laat kiezen welke.

DOC bevat een tekstdocument: alinea’s die zich naar de pagina voegen waarop ze belanden.

Daaruit volgt hoe het converteert: de tekst loopt opnieuw af, dus paginanummers zijn een eigenschap van het resultaat en niet van het bestand.

Microsoft Word en LibreOffice Writer lezen het, en de meeste programma’s van dezelfde soort ook.

Als een bestand niet opengaat ligt het zelden aan het formaat — vaker is het programma ouder dan het formaat. Converteren naar iets ouders is de betrouwbare weg eromheen, en daarvoor is de rest van deze site bedoeld.

Geen enkele browser leest het.

Dat is veruit de meest voorkomende reden om het te converteren: niet dat het formaat slecht is, maar dat de plek waar je het bestand wilt tonen het niet kan lezen.

DOC is bedoeld om te openen en te wijzigen. Houd het bestand in dit formaat zolang het werk loopt, en exporteer eruit wanneer er een afgeronde versie nodig is.

De terugkerende klachten: de opmaak wordt nagebouwd in plaats van exact overgenomen.

Niets daarvan is een reden om het formaat te mijden. Het zijn de dingen die je beter kent voordat een ervan je verrast, en dat is een andere en een nuttigere bewering.

DOC was Words formaat van 1983 tot Office 2007 het verving door DOCX. Het is bijna twee decennia geleden vervangen, dus een DOC die vandaag opduikt heeft een geschiedenis: uit een archief, een sjablonenmap, een gescand dossiersysteem of een back-up van een computer die niet meer bestaat.

Dat bepaalt wat de moeite waard is om te weten: hoe je hem opent, wat verloren gaat bij omzetten, en wat hij misschien nog bij zich draagt — niet of je hem moet gebruiken.

Waar DOCX een ZIP-archief van leesbare XML is, is DOC een binair samengesteld bestand — in feite een klein bestandssysteem in één bestand, met stromen van gestructureerde records. Open het in een teksteditor en je ziet fragmenten van je woorden verspreid tussen binaire ruis.

De specificatie is uiteindelijk gepubliceerd, en ze is enorm, omdat het formaat over twintig jaar door toevoeging groeide in plaats van ontworpen te zijn. Dat verklaart waarom DOC-ondersteuning buiten Microsoft Word altijd bij benadering is geweest.

Oudere versies van Word gebruikten een techniek genaamd fast save, die wijzigingen aan het eind van het bestand toevoegde in plaats van het te herschrijven. Verwijderde tekst bleef daardoor vaak in het bestand staan, onzichtbaar in Word en perfect leesbaar voor wie naar de bytes keek.

Dit veroorzaakte een reeks bekende gênante situaties waarbij eerdere versies van documenten door ontvangers werden teruggevonden. Heeft een DOC in je bezit een geschiedenis om rekening mee te houden, behandel hem dan alsof hij meer bevat dan hij toont.

Tekst, koppen, lijsten, tabellen, voetnoten en afbeeldingen komen betrouwbaar over. Wijzigingen bijhouden en opmerkingen overleven meestal. Voor de meeste documenten is het omgezette bestand hetzelfde document.

Wat verschuift is de precieze opmaak. Words regelafbreking en lettertypeafhandeling veranderden tussen de tijdperken, dus een pagina die precies bij een bepaald woord eindigde, kan nu één regel eerder of later eindigen.

Een DOC verwijst naar lettertypen bij naam en sluit ze meestal niet in. Een document uit 2004 kan lettertypen vragen die met dat decennium van Office meekwamen en nergens meer bestaan, dus vervangt de lezer iets met andere letterbreedtes.

Het resultaat is een document dat volledig correct is en er net anders uitziet. Er is niets verloren gegaan. Moet het uiterlijk exact zijn, dan is een PDF gemaakt op een machine met de juiste lettertypen het enige betrouwbare antwoord.

Een DOC-bestand kan macro’s bevatten. Dat is het belangrijkste praktische verschil met DOCX, dat dat niet kan — een macro-houdend modern document moet als DOCM worden opgeslagen en kondigt zich aan in de extensie.

Macro-ingeschakelde Word-documenten waren lange tijd het transportmiddel voor malware, wat verklaart waarom modern Word bestanden van internet in een beveiligde weergave opent. Een onverwachte DOC-bijlage verdient hetzelfde wantrouwen.

Vooral instellingen met een lang geheugen. Rechtbank- en overheidssystemen die in 2003 een formaat vastlegden en het nooit herzagen. Bedrijfssjablonenmappen waar een formulier twintig jaar wordt doorgekopieerd. Oudere archiefsystemen.

Er is ook een stiller geval: bestanden die helemaal geen DOC zijn. Sommige programma’s schrijven RTF of zelfs HTML en noemen het resultaat .doc omdat Word het toch opent.

Sluit eerst uit dat het bestand geen DOC is. Oudere Works-documenten, WordPerfect-bestanden en hernoemde RTF duiken allemaal op, en elk heeft een andere lezer nodig. De eerste bytes vertellen het: een echte DOC begint met een signature voor samengestelde bestanden.

Echte schade is lastiger en meestal gedeeltelijk, want het formaat slaat tekst op in stromen die het verlies van de omringende structuur kunnen overleven. Words eigen tekst-herstellen-optie haalt de woorden eruit en laat de opmaak los.