Converter DOC para DOCX

O DOCX chegou em 2007, e o .doc binário que ele substituiu é o formato do Word 97. Quase vinte anos depois, o formato antigo continua aparecendo diariamente: um arquivo morto que ninguém migrou, uma pasta compartilhada com uma década de atas e políticas, um modelo que uma empresa pequena reusa desde antes da mudança, um correspondente numa cópia antiga do Word que não pretende trocar.

Nenhum desses arquivos está quebrado. Estão escritos num formato cujo suporte diminui um pouco a cada versão do Office, e o momento sensato de migrar é enquanto ainda existe um programa que lê os dois lados sem dificuldade. Esse programa é o LibreOffice, e é ele quem roda esta conversão.

Um .doc é um arquivo binário composto: um pequeno sistema de arquivos dentro de um único arquivo, com fluxos separados para o texto, as tabelas de formatação, os objetos incorporados e o resumo do documento. Foi projetado para ser gravado rápido num disquete, não para ser lido por nada além do Word, e é por isso que uma região danificada pode inutilizar o documento inteiro em vez de perder só uma página.

O DOCX é o arranjo oposto: um arquivo ZIP comum contendo partes em XML e os arquivos de mídia, o que explica por que renomear um DOCX para .zip e abrir mostra o texto do documento como marcação legível. Na prática, um DOCX corrompido costuma perder uma parte em vez de tudo, e um sistema de gestão documental consegue indexar o conteúdo sem precisar licenciar nada.

O Word antigo oferecia um ajuste que acelerava a gravação anexando as mudanças ao final do arquivo em vez de reescrevê-lo inteiro. A consequência era que texto apagado podia continuar dentro do arquivo, invisível no Word e perfeitamente legível para quem olhasse os bytes brutos. Diversos incidentes de vazamento conhecidos foram exatamente isso, e o ajuste foi removido do Word na mesma versão que introduziu o DOCX.

A conversão reescreve o documento a partir do que ele é hoje, então esse resíduo não atravessa. Se o .doc na sua frente é um contrato antigo ou uma proposta que foi cortada antes de ser enviada, isso é motivo para converter antes de encaminhar — e motivo para não encaminhar o original. Converter não substitui um processo de redação de sigilo, porque o que ainda está visível no documento continua visível depois. O que some é justamente o material que o próprio Word já não mostra, que é a parte que ninguém pensa em checar.

O Office moderno trata os formatos binários como uma superfície de risco de segurança, porque durante anos foram o jeito mais confiável de entregar um documento malicioso. Arquivos vindos de fora abrem em modo restrito, e as variantes mais antigas do Word são bloqueadas por padrão em vez de apenas avisadas — motivo pelo qual um documento de meados dos anos noventa às vezes simplesmente não abre.

Ensinar uma equipe a clicar direto nesses avisos é a correção errada. Converter o arquivo remove o motivo do aviso existir, junto com aquele banner de compatibilidade no topo da janela — que soa cosmético até você contar quantas pessoas foram treinadas por ele a ignorar a barra de mensagens inteira.

Para qualquer coisa com forma de documento, praticamente tudo. Texto e títulos mantêm os estilos, tabelas mantêm linhas, células mescladas e bordas, imagens ficam ancoradas onde estavam, cabeçalhos, rodapés e numeração de página atravessam, notas de rodapé continuam presas e quebras de seção com configurações de página diferentes sobrevivem como seções.

O LibreOffice lê o formato antigo diretamente em vez de aproximar, o que torna isso um reempacotamento e não uma interpretação. O que muda é o que o próprio Word reimplementou entre as duas gerações: a camada de desenho mais antiga, quadros de texto flutuantes, WordArt da época. Um relatório simples sai idêntico; um boletim de 1998 com gráficos em camadas pode precisar de uma conferência. Fontes são resolvidas por substituição, e a máquina que faz o trabalho carrega clones métricos das fontes comuns da Microsoft — o que normalmente mantém as quebras de linha e a contagem de páginas no mesmo lugar.

Isso não é limitação do conversor. O formato de 2007 separou documentos com macro numa extensão própria de propósito, então um arquivo terminado em .docx tem garantia de não conter código executável. Entregar um .docx a alguém é uma declaração mais forte do que entregar um .doc: não roda nada.

Se o valor do documento original estava na automação — um formulário que calcula, um modelo que monta uma carta —, a conversão entrega o conteúdo, não o comportamento, e reconstruir esse comportamento é trabalho de uma pessoa. Para o arquivo morto de documentos comuns que este par atende na maior parte do tempo, nunca houve macro nenhuma.

Como o DOCX é um ZIP, o XML dentro dele comprime bem, e documentos cheios de texto costumam sair várias vezes menores do que o .doc original. Imagens não comprimem mais — um JPEG já vem comprimido — então um documento majoritariamente fotográfico fica com tamanho parecido nos dois formatos.

Numa pasta cheia de arquivos antigos vale medir o antes e o depois, principalmente se o arquivo morto mora num lugar que cobra por armazenamento. Vale lembrar também que parte de uma economia dramática pode ser o resíduo acumulado do arquivo antigo, não compressão inteligente.

Este par quase nunca é um documento único. É um diretório: quinze anos de atas de reunião, os modelos de carta de uma empresa, os artigos de um pesquisador. Solte a pasta e cada arquivo é convertido em sequência, mantém o nome com a extensão trocada, e o conjunto volta como um ZIP único.

Faça isso sobre uma cópia, não sobre o original. Converta, confira por amostragem os arquivos maiores e mais formatados em vez dos três primeiros em ordem alfabética, e só então aposente as origens. Os arquivos que quebram nunca são os que você conferiu por amostra; são o que tem um organograma desenhado em objetos do Word 97.

Esta conversão roda no nosso servidor, não no seu navegador, porque ler um documento binário do Word dos anos 1990 exige uma suíte de escritório completa e não há um jeito honesto de fazer isso localmente. O arquivo sobe por uma conexão criptografada até um contêiner que roda LibreOffice sem interface, é convertido ali e devolvido.

Esse contêiner não tem permissão para fazer conexões de saída. Cada tarefa recebe um diretório de trabalho próprio, apagado assim que a tarefa termina, com sucesso ou não. Qualquer processo ainda rodando depois de sessenta segundos é encerrado, porque um documento binário danificado tem mais chance de travar o LibreOffice num loop do que de simplesmente falhar. O limite gratuito é 25 MB por arquivo.

Escolha DOCX se o destino continua sendo o Word e o ponto é o arquivo continuar funcionando — o mesmo documento, o mesmo programa, um contêiner com mais vinte anos de vida útil pela frente. É o caso comum e é para isso que esta página serve.

Escolha ODT se você está saindo do Word em vez de continuar nele, ou se alguma política pede um padrão mantido de forma independente para registros. Escolha PDF se o documento está finalizado e ninguém deveria editá-lo de novo. Um setor de arquivo frequentemente quer dois formatos: um mestre editável, e uma versão fixa da revisão que foi aprovada.