DOC naar ODT omzetten

Het binaire Word-formaat dateert uit Word 97, en OpenDocument werd gepubliceerd in 2005, met Microsofts eigen opvolger daartussenin in 2007. Een .doc rechtstreeks naar ODT omzetten slaat dus een generatie over in plaats van er doorheen te stappen, en er is geen reden voor een tussenstop: dezelfde engine leest het oude bestand en schrijft het nieuwe hoe dan ook.

Wat de directe route zinnig maakt: de bestemming is een beslissing over de komende twintig jaar, niet over deze week. Wordt het archief al verplaatst, dan gebeurt dat maar één keer. Het meteen op het formaat zetten dat je wilt behouden is goedkoper dan het op het toevallig dichtstbijzijnde formaat zetten.

OpenDocument wordt onderhouden door OASIS en gepubliceerd als ISO/IEC 26300. Niemand hoeft een licentie actueel te houden om het te lezen, geen enkel bedrijf beslist wanneer de ondersteuning stopt, en de specificatie is over veertig jaar nog beschikbaar voor wie een lezer vanaf nul wil schrijven.

Dat is ook waarom de eis vaak als regel komt, niet als voorkeur. Indieningsportalen van diverse (semi-)overheden noemen ODT expliciet, en geen uitleg over een even goed gedocumenteerde DOCX verandert wat het formulier accepteert. Kwam je hier via zo’n beleid, dan is dat beleid de reden en is dit precies de omzetting die erbij hoort.

Het lastige deel van een legacy-migratie zit meestal in het lezen, niet in het schrijven. Een binair .doc-bestand kun je niet met een teksteditor openen en met de hand repareren, en het huidige Microsoft Office weigert standaard de allervroegste varianten. LibreOffice is het meest capabele programma dat het nog goed leest.

Dat draait hier dan ook: het bestand wordt geopend door dezelfde suite die het op een bureaublad zou openen, en weggeschreven als OpenDocument door het programma waarvoor OpenDocument het native formaat is. Nergens in dit pad is een Microsoft-licentie nodig, wat voor een school of kleine stichting vaak doorslaggevend is.

Alles wat het tot een document maakte. Alinea- en tekenstijlen worden OpenDocument-stijlen, tabellen behouden hun structuur en samengevoegde cellen, afbeeldingen blijven verankerd, koptekst, voettekst en paginanummering komen mee, voetnoten en eindnoten blijven aan hun verwijzingen hangen.

Lettertypen worden vervangen in plaats van ingesloten, en de omzettende machine draagt maatvaste vervangers voor de gangbare Microsoft-lettertypen — Liberation voor Arial, Times New Roman en Courier New, Carlito voor Calibri, Caladea voor Cambria. Die vervangingen nemen dezelfde ruimte in, waardoor paginatelling meestal gelijk blijft. Documenten uit deze periode noemen ook regelmatig lettertypen die nooit breed verspreid werden, en die worden dan bij benadering vervangen.

De verschillen concentreren zich in functies die Microsoft zelf later heeft losgelaten. De oude tekenlaag — gegroepeerde vormen, zwevende kaders, WordArt uit die tijd — werd tussen Word-generaties opnieuw geïmplementeerd en heeft geen exacte OpenDocument-tegenhanger, dus een document waarvan de opmaak uit die objecten bestaat kan verschuiven.

Niets hiervan raakt een rapport, notulen, een brief of een beleidsdocument, waar de meeste archieven uit bestaan. Vuistregel: zag het bestand er al vreemd uit op een andere Word-versie van een collega, dan is het ook het bestand om na omzetting te controleren. De rest kan in bulk vertrouwd worden.

Binaire Word-documenten dragen een samenvattingsblok dat eigenaren vaak vergeten: een titel die nooit is bijgewerkt, de naam van wie het bestand het laatst opsloeg, een inmiddels hernoemde organisatie, soms een revisieteller die meer zegt over het opstelproces dan bedoeld.

De omzetting draagt de basiseigenschappen over in plaats van ze te verzinnen of te wissen. Gaat dit archief gepubliceerd worden, open dan de documenteigenschappen van een steekproef en beslis wat moet blijven staan. Bij een grote collectie is de verstandige aanpak een beleid in plaats van een steekproef: bepaal wat de eigenschappen moeten zeggen en leg die beslissing vast bij de collectie.

Een .doc kan Visual Basic for Applications bevatten, geschreven tegen Word’s objectmodel. LibreOffice heeft zijn eigen scriptsysteem en objectmodel, en er is geen getrouwe vertaling tussen de twee, dus de automatisering vervalt terwijl tekst en opmaak intact aankomen.

In een archiefmigratie is dat vrijwel altijd de juiste uitkomst. Een archief bewaart documenten, geen programma’s, en een opgeslagen record dat code uitvoert bij het openen is een risico, geen functie. Was de automatisering juist het document — een aanvraagformulier, een rekenmodel — dan moet dat bewust herbouwd worden, als apart project.

Migraties komen als mappen binnen: tien jaar aan vergaderstukken, werkbladen van een school, precedenten van een advocatenkantoor. Sleep de hele map naar binnen, elk bestand wordt na elkaar omgezet met behoud van bestandsnaam en gewijzigde extensie, en het geheel komt terug als één ZIP.

Neem gericht steekproeven, niet willekeurig. Open het langste bestand, het bestand met de meeste tabellen, en het bestand waar iemand ooit trots op de opmaak was — daar gaat een omzetting mis, niet bij de gewone memo’s. Bewaar de originelen sowieso: binaire Word-bestanden zijn klein naar moderne maatstaven, en de bron naast de kopie bewaren kost een paar gigabyte en sluit uit dat een onherhaalbare migratie achteraf onvolledig blijkt.

Dit paar draait op een server, niet in je browser, en dat wordt hier ook gezegd in plaats van stilzwijgend aangenomen. Het interpreteren van een samengesteld binair Word-bestand vereist een volledige kantoorsuite; er bestaat geen kleine bibliotheek die dat correct doet.

Het bestand reist over een versleutelde verbinding naar een container die LibreOffice zonder scherm draait, zonder eigen uitgaande netwerktoegang. Elke taak krijgt een geïsoleerde tijdelijke map die na afloop altijd wordt verwijderd, en een taak die na zestig seconden nog loopt, wordt afgebroken. De gratis grens is 25 MB per bestand.

ODT is voor documenten die bewerkbaar moeten blijven — iets dat iemand nog gaat wijzigen, uitbreiden of hergebruiken. Is de inhoud van een document definitief en moet het alleen overal exact hetzelfde weergeven, dan is een PDF de eerlijkere verpakking.

Veel archieven bewaren uiteindelijk beide: het OpenDocument-bestand als bewerkbare master en een PDF als vaste weergave van een bepaalde versie. Dat kost één extra omzetting en voorkomt discussie of de kopie in het archief hetzelfde document is als het goedgekeurde.