O que é um arquivo DOC?

DOC é um formato binário, que só significa alguma coisa para um programa que o conhece. Ele é usado para a edição.

A extensão é .doc e o nome por extenso é Word 97-2003 Document. Os dois importam menos do que aquilo que o arquivo consegue carregar, e é disso que trata o resto desta página.

A Microsoft publicou o formato em 1997.

A um formato que se manteve legível por tanto tempo dá para confiar algo que você quer de volta daqui a dez anos.

Ela está escrita e é implementável, só que quem decide como será a próxima versão é o fabricante. Na prática isso basta para o arquivo continuar abrindo; não basta para você se fiar nisso.

Ele ainda abre em todo lugar e programas antigos ainda o escrevem, mas nada de novo está sendo construído em volta. Converta o que quiser guardar e não o escolha para algo que começa hoje.

Um arquivo DOC não está limitado a uma página, e isso conta na hora de converter para algo que está: cada conversão produz um arquivo com uma página só — a primeira, a menos que o conversor deixe você escolher qual.

DOC contém um documento de texto: parágrafos que se reajustam à página em que caem.

É isso que decide como ele converte: o texto se reajusta, então os números de página são uma propriedade do resultado e não do arquivo.

Microsoft Word e LibreOffice Writer leem esse formato, e a maioria dos programas do mesmo tipo também.

Quando um arquivo não abre, o formato raramente é o problema — mais comum é o programa ser mais antigo que ele. Converter para algo mais antigo é o caminho confiável, e é para isso que serve o resto deste site.

Nenhum navegador lê o formato.

Esse é de longe o motivo mais comum para convertê-lo: não que o formato seja ruim, mas que o lugar onde você quer mostrar o arquivo não consegue lê-lo.

DOC foi feito para ser aberto e alterado. Mantenha o arquivo nesse formato enquanto o trabalho estiver em andamento e exporte a partir dele sempre que precisar de uma cópia pronta.

As reclamações que se repetem: a diagramação é reconstruída em vez de reproduzida com exatidão.

Nada disso é motivo para evitar o formato. São as coisas que vale conhecer antes que uma delas te pegue de surpresa, o que é uma afirmação diferente e mais útil.

O DOC foi o formato do Word de 1983 até o Office 2007 substituí-lo pelo DOCX. Está superado há quase duas décadas, então um DOC que chega hoje tem uma história: veio de um arquivo morto, uma pasta de modelos que ninguém revisitou, um sistema de registros digitalizados, um escritório de advocacia, ou o backup de um computador que não existe mais.

Isso molda o que vale saber sobre ele. As perguntas interessantes são como abrir um, o que se perde ao convertê-lo, e o que ele pode estar carregando — não se vale a pena usá-lo, porque essa decisão já foi tomada por você há muito tempo.

Onde o DOCX é um arquivo ZIP de XML legível, o DOC é um arquivo binário composto — efetivamente um pequeno sistema de arquivos dentro de um arquivo, guardando fluxos de registros estruturados. Abrir num editor de texto mostra fragmentos das suas palavras espalhados por ruído binário.

A especificação acabou sendo publicada, e é enorme, porque o formato cresceu por acúmulo ao longo de vinte anos em vez de ser desenhado. Esse é o motivo honesto de o suporte a DOC fora do Word ter sido sempre aproximado: não é falta de vontade, é um alvo móvel com décadas de comportamento não documentado por trás.

Versões antigas do Word usavam uma técnica chamada salvamento rápido, que acrescentava mudanças ao final do arquivo em vez de reescrevê-lo. Isso tornava salvar rápido no hardware da época e significava que texto apagado por você frequentemente permanecia no arquivo, invisível no Word e perfeitamente legível para qualquer coisa que examinasse os bytes.

Isso produziu uma série de vexames bem documentados envolvendo documentos cujas versões anteriores foram recuperadas por destinatários. Se um DOC na sua posse tem uma história que importa, trate-o como contendo mais do que exibe — e note que convertê-lo para PDF ou DOCX por uma ferramenta moderna é um jeito confiável de deixar esse resíduo para trás.

Texto, títulos, listas, tabelas, notas de rodapé e imagens atravessam de forma confiável. Controle de alterações e comentários geralmente sobrevivem. Para a grande maioria dos documentos — cartas, relatórios, contratos, manuscritos — o arquivo convertido é o mesmo documento.

O que desvia é o layout preciso. A quebra de linha e o tratamento de fonte do Word mudaram entre as eras, então uma página que terminava exatamente numa certa palavra pode terminar uma linha antes ou depois, e uma tabela ajustada pode refluir. Se a paginação em si importa — uma petição jurídica, um manuscrito diagramado — converta para PDF, onde o layout é fixo em vez de recalculado.

Um DOC referencia fontes pelo nome e geralmente não as embute. Um documento escrito em 2004 numa máquina Windows pode pedir fontes que vinham com o Office daquela década e não existem mais em lugar nenhum, então o leitor substitui por algo com larguras de letra diferentes.

O resultado é um documento inteiramente correto e sutilmente estranho: quebras de linha em lugares novos, um título quebrando em duas linhas, uma coluna de tabela de repente estreita demais. Nada se perdeu. Se a aparência precisa ser exata, a única resposta confiável é um PDF feito numa máquina que tem as fontes.

Um arquivo DOC pode conter macros. Essa é a diferença prática mais importante em relação ao DOCX, que não pode — um documento moderno com macros precisa ser salvo como DOCM e se anuncia na extensão.

Documentos do Word com macro habilitada foram o mecanismo de entrega de uma longa geração de malware, por isso o Word moderno abre arquivos vindos da internet em modo restrito e recusa executar qualquer coisa até ser autorizado duas vezes. Um anexo DOC inesperado merece a mesma desconfiança que o software já mostra, e convertê-lo em vez de abri-lo no Word é um jeito razoável de ler o conteúdo sem rodar nada.

Principalmente instituições com memória longa. Sistemas de protocolo de tribunais e órgãos públicos que especificaram um formato em 2003 e nunca revisitaram. Pastas de modelos corporativos onde um formulário foi copiado adiante por vinte anos. Sistemas antigos de registro que exportam o que guardaram. Ocasionalmente, software que escreve DOC porque uma biblioteca da qual depende só suportou aquilo.

Há também um caso mais discreto: arquivos que não são DOC de verdade. Algumas ferramentas escrevem RTF ou até HTML e nomeiam o resultado .doc porque o Word abre de qualquer jeito. Se um conversor rejeita um arquivo que o Word aceita, vale conferir isso antes de presumir dano.

A primeira coisa a descartar é o arquivo não ser um DOC de verdade. Documentos antigos do Works, arquivos WordPerfect e RTF renomeado para .doc aparecem, e cada um precisa de um leitor diferente. Os primeiros bytes dizem: um DOC genuíno começa com uma assinatura de arquivo composto, e RTF começa com os caracteres literais que soletram seu nome.

Dano genuíno é mais difícil e geralmente parcial, porque o formato guarda texto em fluxos que podem sobreviver à perda da estrutura ao redor. A própria opção de recuperar texto do Word extrai as palavras e abandona a formatação, o que para um documento cujo valor está no conteúdo geralmente é a troca certa.