O que é um arquivo DOCX?

DOCX é um contêiner: um invólucro para fluxos que outra coisa codificou. Ele é usado para a edição.

A extensão é .docx e o nome por extenso é Word 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 2007. A especificação é ECMA-376.

A idade interessa por um motivo prático: quanto mais antigo o formato, mais programas tiveram tempo de aprendê-lo.

Ela está publicada por inteiro, então dá para implementá-la a partir do documento em vez de por observação — é por isso que o formato aparece em tantos programas e por isso que arquivos escritos há vinte anos ainda abrem. Especificação publicada não é o mesmo que livre de royalties: quando o formato embrulha um codec, o licenciamento das patentes é uma questão à parte, que a norma não resolve.

Um arquivo DOCX 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.

DOCX não pode levar código executável. É por isso que servidores de e-mail e portais de documentos deixam ele passar onde barram o gêmeo com macros.

DOCX 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.

DOCX traz criptografia opcional.

Um arquivo criptografado precisa ser destrancado antes que qualquer coisa possa convertê-lo, aqui e em qualquer outro lugar. Uma senha não é algo que um conversor contorne, e a um que dissesse o contrário você não deveria entregar o arquivo de jeito nenhum.

Microsoft Word, LibreOffice Writer e Google Docs 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.

DOCX consegue guardar as propriedades do documento.

Se alguma coisa disso sobrevive a uma conversão depende inteiramente do destino, e a resposta honesta costuma ser «uma parte».

DOCX 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.

Renomeie um .docx para .zip e abra. Dentro tem uma pequena árvore de diretórios: word/document.xml guarda o texto, word/styles.xml as definições de formatação, word/media/ toda imagem, e docProps/ as propriedades do documento. Tudo é texto legível que dá pra inspecionar sem o Word.

É por isso que o suporte a DOCX fora da Microsoft é genuinamente bom onde o suporte a DOC sempre foi aproximado. O formato foi publicado como padrão aberto, então LibreOffice, Google Docs, Pages e dezenas de bibliotecas o implementam contra uma especificação em vez de engenharia reversa.

As propriedades do documento carregam o autor, quem salvou por último, o nome da empresa da instalação do Office, o tempo total de edição e toda data de revisão. Um documento criado a partir do modelo de um colega frequentemente nomeia essa pessoa em vez de você.

Alterações rastreadas são o lado mais afiado. Se mudanças foram feitas com o rastreamento ligado e nunca aceitas, o texto original ainda está no arquivo — visível para quem mudar o modo de exibição. Comentários funcionam igual: ocultos num modo de exibição, presentes no XML de qualquer forma.

O Word pode marcar texto como oculto, e texto oculto não imprime nem exibe normalmente. Continua no document.xml por inteiro, como caracteres comuns com uma flag de formatação ao lado.

O mesmo vale para texto branco sobre fundo branco, texto atrás de uma imagem e conteúdo num título recolhido. Nada disso é exclusão. Se algo não pode chegar ao destinatário, tem que ser apagado do documento — e a forma confiável de confirmar é converter para PDF, que escreve só o que é desenhado.

Um título feito aplicando o estilo Título 1 e um título feito selecionando texto e definindo 16 pontos em negrito parecem idênticos na tela e são completamente diferentes no arquivo. O primeiro é estrutura; o segundo é decoração.

A diferença decide se o sumário automático funciona, se o painel de navegação é usável, se um leitor de tela anuncia títulos, e se o documento converte de forma limpa para PDF, HTML ou EPUB.

Um arquivo salvo como .docx não pode conter um projeto VBA. Isso é deliberado e é a propriedade de segurança mais útil do formato: um documento com macro precisa ser salvo como .docm, que se anuncia na extensão.

O que a regra não sobrevive é uma renomeação — o Word abre um documento pelo conteúdo em vez da extensão, então um DOCM renomeado para DOCX ainda carrega com o código intacto. Um .docx inesperado não pode rodar VBA, o que é mais estreito que ser seguro de abrir.

Um DOCX nomeia suas fontes e normalmente não as embute. Abrir um documento numa máquina sem a tipografia substitui por outra, com larguras de letra diferentes, e o texto reflui.

Numa carta de duas páginas isso é invisível. Num relatório de cinquenta páginas isso move quebras de página, empurra uma tabela para o lado errado de uma fronteira. Se a paginação é parte do documento, como numa petição jurídica, envie um PDF e mantenha o DOCX para editar.

Tudo no arquivo é compactado, e o XML do documento é altamente repetitivo, então um relatório substancial costuma ficar em algumas centenas de kilobytes. Texto custa quase nada.

O que torna um DOCX grande são imagens, especificamente imagens inseridas em resolução de câmera e depois reduzidas na página. O Word guarda o original, então um documento mostrando oito fotos em tamanho pequeno pode carregar quarenta megabytes de JPEG em resolução total.

PDF fixa o layout, embute as fontes e escreve o que de fato é desenhado na página — então texto oculto e comentários não aparecem na saída. É o jeito honesto de enviar um documento finalizado.

Alterações rastreadas são a exceção e vale conferir antes do documento sair da empresa. A conversão roda com os padrões, que exibem mudanças não aceitas, e o que é exibido é o que é exportado. Aceite ou rejeite primeiro.

Os dois formatos são arquivos ZIP de XML descrevendo o mesmo tipo de objeto, então a tradução é estrutural em vez de uma reconstrução. Texto, títulos, listas, tabelas, notas de rodapé, imagens, hiperlinks, comentários e alterações rastreadas atravessam de forma confiável.

O que se desloca são detalhes marginais — numeração de lista, posicionamento de quadro. Para documentos comuns o arquivo convertido é o mesmo documento, o que é por que esse par converte muito melhor que qualquer um dos dois converte para o antigo DOC binário.