Mi az a DOCX fájl?
A DOCX a Microsoft Word dokumentumok jól ismert formátuma. A 2007-től, a Microsoft Office 2007 kiadásával bevezetett új dokumentumformátum szerkezete egyszerű binárisról XML és bináris fájlok kombinációjára módosult. A Docx fájlok megnyithatók a Word 2007 és oldalsó verzióival, de nem az MS Word korábbi verzióival, amelyek támogatják a DOC fájlkiterjesztéseket.
Rövid története
Miután a Microsoft megnyitotta a DOC fájlformátum specifikációit, versenytársai könnyen visszafordíthatták a formátumot, és ugyanazt a támogatást biztosították saját alkalmazásaikban. Ezenkívül az Open Office versenye az Open Document Format formájában nyitottabb és szélesebb szabványok elfogadására kényszerítette a Microsoftot. 2000 elején a Microsoft úgy döntött, hogy a Office Open XML szabványhoz igazodó változtatás mellett döntött. Az új szabvány szerinti dokumentumok .docx kiterjesztést, az “X”-et kapták. lévén XML-hez. 2007-re ez az új fájlformátum az Office 2007 részévé vált, és a Microsoft Office új verzióiban is érvényesül. Az új fájltípus további előnyökkel jár: kis fájlméret, kevesebb sérülési változás és jól formázott képmegjelenítés.
DOCX fájlformátum specifikációi – További információ
A Docx-fájl XML-fájlok gyűjteményéből áll, amelyek egy ZIP-archívumban találhatók. Egy új Word-dokumentum tartalma a tartalmának kicsomagolásával tekinthető meg. A gyűjtemény XML-fájlok listáját tartalmazza, amelyek a következő kategóriákba sorolhatók:
- MetaData Files – információkat tartalmaz az archívumban elérhető egyéb fájlokról
- Dokumentum – a dokumentum tényleges tartalmát tartalmazza
Metaadat fájlok
A Microsoft Word ezeket a fájlokat használja a fájlok közötti kapcsolat és a dokumentum tartalmának megkeresésére. A Word-dokumentumarchívum kibontásakor számos ilyen fájlt tartalmaz az alábbiak szerint.
Kapcsolatok - _rels/.rels
Ez a fájl olyan információkat tartalmaz, amelyek megmondják az MS Word számára, hogy hol keresse a dokumentum tartalmát és egyéb hivatkozásokat. Minden kapcsolatot egyedi kapcsolatazonosító azonosít, és a hivatkozott XML-fájlt határozza meg célként. A kapcsolati fájl minta a következőképpen jelenik meg:
<Relationship Id#"rId1" Type#"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument" Target#"word/document.xml"/>.
Tartalomtípusok
Egy dokumentum többféle médiatípust tartalmazhat, például képeket, témákat, szöveges rajzokat stb. A [Content_Types].xml a dokumentumban található ilyen médiatípusokról tartalmaz információkat. Egy ilyen XML-fájl tartalma a következőképpen jelenik meg:
<Override PartName#"/word/document.xml" ContentType#"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml"/>
Hivatkozások a forrásokra - _rels/document.xml.rels
Ebben az XML-fájlban hivatkoznak az erőforrásokra vonatkozó információk, például a dokumentumba ágyazott képek.
A fő dokumentum tartalma
Ez az archívum fő XML-fájljára vonatkozik, amely a dokumentum szöveges tartalmát tartalmazza. Ezt a tartalmat számos csomópont képviseli az OpenOffice XML specifikációi szerint. Ennek a fájlnak a tartalma többnyire bekezdésekből és táblázatokból áll, de ezek lehetnek más csomópontok is.
Fájlformátum csomópontjai
A fő document.xml fájl csomópontok gyűjteménye a fájl teljes tartalmának megjelenítésére. Minden csomópontnak van egy eleje és vége, amelyek vagy további csomópontokat vagy a tartalmat foglalják magukba. Egy ilyen xml-fájl egyszerűsített példája a következő:
<w:document>
<w:body>
<w:p w:rsidR#"005F670F" w:rsidRDefault#"005F79F5">
<w:r><w:t>Example Document</w:t></w:r>
</w:p>
<w:sectPr w:rsidR#"005F670F">
<w:pgSz w:w#"12240" w:h#"15840"/>
<w:pgMar w:top#"1440" w:right#"1440" w:bottom#"1440" w:left#"1440" w:header#"720" w:footer#"720"
w:gutter#"0"/>
<w:cols w:space#"720"/>
<w:docGrid w:linePitch#"360"/>
</w:sectPr>
</w:body>
</w:document>
Az alábbiakban a DOCX-fájlban található néhány csomópontra vonatkozó információk találhatók a tartalom megjelenítéséhez.
<w:document> - A fájl fő tartalmának gyökérelemét jelöli.
<w:body> - A dokumentum törzsét jelöli, amely számos egyéb elemcsomópontot, például bekezdéseket, táblázatokat és szakaszokat tartalmazhat.
Bekezdések
A bekezdés a dokumentum fő tartalomhordozója. Ezt ** képviseli<w:p> ** elem egy dokumentumon belül. Egy bekezdés további egy vagy több futásból áll **<w:r> **, amely a bekezdés tényleges szövegét tartalmazza. A futtatásokon kívül a bekezdések más dokumentumelemeket is tartalmazhatnak, például hiperhivatkozásokat, megjegyzéseket stb. Egy példa bekezdésszerkezetre az alábbiakban látható:
<w:p>
<w:pPr>
<w:pStyle> w:val#"MyStyle"/>
<w:spacing w:before#"120" w:after#"120"/>
</w:pPr>
<w:r>
<w:t xml"space#"preserve">A paragraph is main container in a document that further consists of a one or more runs where the text of paragraph is actually contained.</w:t>
</w:r>
</w:p>
