DOCX naar RTF omzetten

Deze omzetting is bijna nooit een voorkeur. Het is een eis van elders: een rechtbankportaal dat alleen rich text noemt, een transcriptie- of dicteerplatform, een dossiersysteem waarvan de importroutine uit de jaren negentig stamt, een mail-merge-motor, een e-discoveryproces dat alles normaliseert.

De reden dat die systemen RTF kozen, is de moeite van begrijpen waard, want dat verklaart waarom ze niet veranderen. RTF kan gemaakt en gelezen worden door een programma dat niets van ZIP-archieven of XML-schema’s weet — het is tekens en controlewoorden. Microsoft stopte de ontwikkeling van de specificatie in 2008, wat hier eerder een voordeel is dan verwaarlozing: een formaat dat nooit meer verandert, kun je één keer inbouwen en laten staan.

Open er een in een teksteditor en je kunt het document gewoon lezen. De tekst staat er onverhuld, omgeven door controlewoorden met een backslash die de lettertypetabel, de kleurtabel, het stijlblad en de opmaak van elk stukje tekst beschrijven.

Die transparantie is het hele karakter van het formaat: het overleeft plakken in een systeem dat alles met een null-byte verminkt, een beschadigd bestand is vaak nog te redden — maar er wordt ook niets gevalideerd. Een licht foutief bestand opent meestal gewoon, licht foutief.

Een DOCX is een ZIP-archief, dus de XML is al gecomprimeerd voor hij op schijf staat. RTF kent geen enkele compressie; elk controlewoord staat er letterlijk. Bij een tekstdocument betekent dat meestal een bestand een paar keer zo groot.

Afbeeldingen zijn het dramatische geval: een RTF slaat een ingesloten afbeelding op als hexadecimale tekst, dus elke byte van de afbeelding wordt twee tekens in het bestand. Is het document geïllustreerd en heeft de bestemming een groottelimiet, verklein de afbeeldingen dan in het Word-bestand voordat je omzet.

Meer dan de leeftijd doet vermoeden. RTF heeft een stijlblad, dus koppen en benoemde alineastijlen komen als stijlen over in plaats van als handmatige opmaak. Tabellen behouden hun cellen, randen en samengevoegde gebieden. Lijsten behouden hun nummering.

De omzetting loopt via LibreOffice, dat DOCX leest en RTF schrijft als volwaardige formaten, en de machine draagt maatvaste vervangers voor Arial, Times New Roman, Courier New, Calibri en Cambria. Wat RTF niet kan, is lettertypen met het bestand meesturen — het noemt ze alleen bij naam.

Alles wat Word toevoegde nadat RTF stopte met ontwikkelen. Inhoudsbesturingselementen worden gewone tekst. SmartArt komt aan als afbeelding, als het al aankomt. Documentthema’s vallen terug op de concrete lettertypen en kleuren waarnaar ze verwezen. Ingesloten lettertypen reizen niet mee.

Dit is de moeite van controleren waard, want de mislukking is stil: een inhoudsbesturingselement dat gewone tekst wordt, ziet er op het scherm nog steeds correct uit maar doet niets meer. Kwam de DOCX uit een sjabloon met invulvelden, dan is de RTF een momentopname van de toenmalige inhoud, geen formulier meer.

De RTF-syntaxis heeft geen plek voor een VBA-project, dus de automatisering van een document blijft per definitie achter. De woorden, de tabellen en de opmaak komen aan; de code niet.

Verschillende systemen die RTF verplicht stellen doen dat precies om deze reden. Een indieningssysteem dat inerte documenten accepteert en containers weigert die code kunnen uitvoeren, heeft daarmee een hele probleemcategorie uitgesloten, en laat zich niet overtuigen dat jouw specifieke Word-bestand onschuldig is.

RTF heeft representaties voor revisiemarkeringen en aantekeningen, en eenvoudige gevallen komen over. Het is hier merkbaar minder betrouwbaar dan een modern formaat, omdat de vertaling een grote kloof moet overbruggen.

Voor alles met een controlespoor eraan: verwerk eerst de openstaande wijzigingen en dien een schoon document in. Is de redlinemarkering zelf het te leveren stuk, controleer het resultaat dan in het programma dat het gaat lezen, niet in het programma dat het maakte.

Word, LibreOffice Writer, OpenOffice, WordPad onder Windows en TextEdit onder macOS openen allemaal een RTF als opgemaakt document zonder enige invoegtoepassing. Dat is een van de weinige formaten waarover die zin nog op elk platform klopt.

Het betekent ook dat je het resultaat zelf kunt controleren voor je indient. Open de RTF, bekijk de eerste pagina, de tabellen en alles wat ooit een formulierveld was, en vergelijk naast de DOCX. Doe dat bij voorkeur in het programma dat het meest lijkt op de bestemming — een rich-textbestand weergegeven door Word en hetzelfde bestand weergegeven door de eigen parser van een systeem kunnen verschillen.

Dit draait op een server, niet in je browser. Omzetten tussen twee volwaardige tekstverwerkingsformaten vereist een kantoorengine, en dat wordt hier ook gezegd in plaats van verondersteld. Het bestand reist over een versleutelde verbinding naar een container die LibreOffice zonder scherm draait.

Die container kan geen uitgaande verbindingen maken. Elke taak krijgt een eigen tijdelijke map en een eigen LibreOffice-profiel, verwijderd zodra de taak eindigt; taken die na zestig seconden nog lopen worden afgebroken. De gratis grens is 25 MB op het bestand dat je verstuurt.

Gaat het ontvangende systeem de opmaak toch strippen — een indexeersysteem, een systeem dat alles in zijn eigen sjabloon herformatteert — stuur dan platte tekst en bespaar de opmaak-omweg. Het resultaat is kleiner, ondubbelzinnig, en er valt niets verkeerd weer te geven.

Moet het document er exact uitzien zoals opgemaakt en mag niemand het bewerken, dan is PDF het juiste doel en RTF een slechte keuze. RTF past in een smalle band: de ontvanger heeft een bewerkbaar document nodig, en de software accepteert alleen rich text.