RTF naar DOCX omzetten

Niemand gaat zitten om een RTF te schrijven. Ze verschijnen, uitgestoten door iets: een dictatie- of transcriptieplatform dat een concept teruggeeft, een dossier- of praktijkbeheersysteem dat een brief exporteert, een mail-merge-motor die een reeks documenten produceert, een rapportgenerator in bedrijfssoftware, een collega op een Mac die zonder het te merken in TextEdit schreef. In elk geval koos een programma het formaat op een moment dat rich text de veilige gemene deler was.

Het moment dat je hier brengt, is het moment dat het document ophoudt output te zijn en werk begint te worden. Je moet erop reageren, redlinen, in het huisstijlsjabloon zetten, een inhoudsopgave genereren, of het aan drie collega's geven die er elk iets aan toevoegen. Word opent de RTF prima en zal voor dat alles een iets minder geschikt gereedschap zijn, en het bestand zal vreemd groot zijn. Eenmalig omzetten, aan het begin, is goedkoper dan tegen het formaat vechten bij elke opslag.

RTF is uit 1987 en het register markeert het als verouderd. Het is platte tekst: de woorden staan erin omringd door met backslash beginnende besturingswoorden die een lettertypetabel, een kleurentabel, een stijlblad en de opmaak van elk stuk beschrijven. Alles kan er een genereren met tekenreeksaaneenschakeling, wat precies waarom zoveel programma's dat doen. Microsoft stopte in 2008 met de ontwikkeling van de specificatie.

DOCX is uit 2007, gestandaardiseerd als ECMA-376, en is een ZIP-archief met XML-delen en een relatiegraaf ertussen. Het praktische verschil voor jou is niet elegantie maar validatie: een misvormd deel in een DOCX laat Word het bestand weigeren, terwijl een RTF die net iets fout is meestal net iets fout opent. Dat is de ruil die het oudere formaat maakte voor zijn universaliteit, en het is de reden dat een schoon ogende RTF geen bewijs is van een schone RTF.

Reken op een DOCX die een fractie van de RTF is, en reken erop dat de verhouding vrijwel volledig van afbeeldingen afhangt. Een DOCX is een ZIP, dus zijn XML wordt gedeflateerd voordat het ooit op schijf komt; RTF kent helemaal geen compressie en elk besturingswoord wordt letterlijk opgeslagen, dus zelfs een puur tekstdocument is meerdere keren groter dan nodig.

Afbeeldingen zijn het dramatische geval, want een RTF slaat een ingesloten afbeelding op als hexadecimale tekst — ruwweg twee tekens in het bestand per byte afbeelding. Een document met een half dozijn schermafbeeldingen kan als RTF een orde van grootte groter zijn dan als DOCX met dezelfde afbeeldingen. Leek het bestand dat je kreeg absurd groot voor wat het bevat, dan is dat de verklaring, en de omzetting herstelt het als bijeffect eerder dan als functie.

Meer dan de leeftijd van het formaat suggereert, want RTF werd juist gebouwd om opgemaakte documenten tussen programma's te verplaatsen. Het stijlblad komt over als stijlen in plaats van als directe opmaak, wat het belangrijkste is voor iedereen die van plan is het document daarna te herstijlen. Tabellen behouden hun cellen, randen en samengevoegde gebieden; lijsten behouden hun nummering; koptekst, voettekst, paginanummering, voetnoten, eindnoten, hyperlinks, bladwijzers en pagina-instelling hebben allemaal een directe vertegenwoordiging aan beide kanten.

Het werk wordt gedaan door LibreOffice, dat beide formaten als volwaardige filters behandelt en niet als bijzaak, en de machine waarop het draait draagt metrisch-compatibele vervangers voor Arial, Times New Roman, Courier New, Calibri en Cambria. Die vervangers hebben dezelfde tekenbreedtes als de originelen, dus regelafbrekingen landen op dezelfde plek en een document opgemaakt om op een pagina te passen past er nog steeds. Een RTF noemt zijn lettertypen en kan ze niet dragen, dus alles buiten de gangbare set werd al vervangen door wat het bestand ook opende.

Dit is de eerlijke grens van de omzetting en hij vangt mensen die aannemen dat een rondreis herstelt wat een enkele reis verwijderde. Begon het document als een DOCX met inhoudscontroles, gestructureerde documenttags, SmartArt, een documentthema of ingesloten lettertypen, dan werd dat allemaal platgeslagen toen het als rich text werd weggeschreven. Terug omzetten geeft je de platgeslagen versie in een moderne verpakking, niet het origineel.

De mislukking is stil, wat het de moeite waard maakt te controleren in plaats van aan te nemen. Een inhoudscontrole die gewone tekst werd, oogt nog steeds precies goed en doet niets meer; een veld dat berekende — een datum, een paginatelling, een kruisverwijzing — is nu de waarde die het droeg op het moment van export. Kwam het document uit een sjabloon en verwacht iemand het opnieuw in te vullen, dan is het sjabloon wat je nodig hebt, niet deze omzetting.

RTF heeft wel vertegenwoordigingen voor revisiemarkeringen en aantekeningen, en eenvoudige gevallen overleven een reis erdoorheen. Het is veel minder betrouwbaar, omdat de twee modellen decennia uit elkaar liggen en elke vertaling ertussen een benadering is gemaakt door welk programma ook leest.

De werkvolgorde telt dus. Zet eerst om, schakel dan bijgehouden wijzigingen in en begin de beoordeling in de DOCX, waar Word's eigen model native gebruikt wordt en elke beoordelaar hetzelfde ziet. Bevat de ontvangen RTF al revisiemarkeringen — een e-discovery-export, een redline van een ander kantoor — check ze dan tegen de bron voordat je erop vertrouwt, en los ze op voordat je verspreidt in plaats van een onzeker controlespoor mee te nemen in een nieuw document.

Een RTF verklaart een tekenset en escapet alles buiten platte ASCII daartegen, wat een redelijk ontwerp was in 1987 en nu een terugkerende bron van verminkte tekst is. Een bestand geschreven door een oud programma op een systeem met andere regionale instellingen kan een codepagina noemen die niet klopt met wat het werkelijk bevat, en het resultaat is namen met vraagtekens of de verkeerde accenten erin.

Een omzetting kan dat niet herstellen, en het is belangrijk dat te weten voordat je een middag naar een instelling zoekt. Toont de RTF zelf al fout in Word of LibreOffice, dan zijn de tekens in het bestand fout en draagt de DOCX trouw dezelfde foute tekens over. De oplossing zit bij de bron: laat het systeem dat het bestand produceerde het opnieuw uitgeven met de juiste codering, of corrigeer de getroffen namen eenmaal met de hand, in de DOCX, waar ze correct blijven.

Dit draait op een server in plaats van in je browser. Omzetten tussen twee volwaardige tekstverwerkingsformaten heeft een kantoormotor nodig, en deze pagina zegt dat gewoon in plaats van te suggereren dat alles hier op je eigen apparaat gebeurt. Het bestand reist over een versleutelde verbinding naar een container met LibreOffice headless, en die container kan zelf geen uitgaande verbindingen maken.

Elke taak krijgt zijn eigen scratch-map en zijn eigen LibreOffice-profiel — twee soffice-processen die één profiel delen corrumperen het, en het symptoom is een omzetting die nooit terugkomt in plaats van een foutmelding — en die map wordt verwijderd zodra de taak klaar is, ongeacht het resultaat. Alles dat na zestig seconden nog draait wordt beëindigd. De gratis laag accepteert 25 MB per geüpload bestand, wat gezien hoe groot RTF's zijn een echt plafond is op een geïllustreerd document.

Open het resultaat en vergelijk het naast de RTF in plaats van het op zichzelf te lezen. Drie plekken dragen bijna al het risico: tabellen met samengevoegde cellen, alles dat een formulierveld was, en het punt waar een lang document tussen pagina's afbreekt. Nummering is de vierde als het document meerlaagse lijsten gebruikt, want nummers opnieuw laten beginnen en doorlopen is een gebied waar twee implementaties gerechtvaardigd van mening kunnen verschillen.

Gaat het document daarna in een gedeeld sjabloon, doe dat dan meteen en check nogmaals, want een sjabloon toepassen op een omgezet document is waar geïmporteerde stijlen botsen met de huisstijl. Het is de moeite waard de neiging te weerstaan de RTF meteen weg te gooien: het is de enige vastlegging van wat het bronsysteem daadwerkelijk produceerde, en komt er een vraag over wat de transcriptie of de export zei, dan is het bestand dat uit dat systeem kwam het antwoord en niet je bewerkte kopie ervan.