Czym jest plik DOCX?

DOCX to dobrze znany format dokumentów programu Microsoft Word. Wprowadzony od 2007 roku wraz z wydaniem pakietu Microsoft Office 2007, struktura tego nowego formatu dokumentu została zmieniona ze zwykłego pliku binarnego na kombinację plików XML i plików binarnych. Pliki Docx można otwierać w programie Word 2007 i wersjach nowszych, ale nie we wcześniejszych wersjach programu MS Word, które obsługują rozszerzenia plików DOC.

Krótka historia

Po tym, jak Microsoft otworzył specyfikację formatu pliku DOC, jego konkurenci z łatwością mogli dokonać inżynierii wstecznej formatu i zapewnić taką samą obsługę we własnych aplikacjach. Ponadto konkurencja ze strony Open Office w postaci Open Document Format zmusiła Microsoft do przyjęcia bardziej otwartych i szerokich standardów. Na początku 2000 roku firma Microsoft zdecydowała się na zmianę w celu dostosowania do standardu Office Open XML. Dokumenty objęte tym nowym standardem otrzymały rozszerzenie .docx, znak „X” jest dla XML. Do 2007 roku ten nowy format plików stał się częścią pakietu Office 2007 i jest również stosowany w nowych wersjach pakietu Microsoft Office. Nowy typ pliku ma dodatkowe zalety w postaci małych rozmiarów plików, mniejszej liczby zmian powodujących uszkodzenie i dobrze sformatowanej reprezentacji obrazów.

Specyfikacje formatu plików DOCX — więcej informacji

Plik Docx składa się z kolekcji plików XML zawartych w archiwum ZIP. Zawartość nowego dokumentu programu Word można wyświetlić, rozpakowując jego zawartość. Kolekcja zawiera listę plików XML, które są sklasyfikowane jako:

  • Pliki metadanych - zawiera informacje o innych plikach dostępnych w archiwum
  • Dokument - zawiera rzeczywistą treść dokumentu

Pliki metadanych

Program Microsoft Word używa tych plików do znajdowania relacji między plikami i lokalizowania zawartości dokumentu. Po rozpakowaniu archiwum dokumentów programu Word zawiera ono pewną liczbę takich plików, jak opisano poniżej.

Relacje - _rels/.rels

Ten plik zawiera informacje, które mówią MS Word, gdzie szukać zawartości dokumentu i innych odniesień. Każda relacja jest identyfikowana przez unikalny identyfikator relacji i określa plik XML, do którego się odwołuje, jako cel. Przykładowy plik relacji jest pokazany w następujący sposób:

<Relationship Id#"rId1" Type#"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument" Target#"word/document.xml"/>.

Typy treści

Dokument może zawierać kilka typów multimediów, takich jak obrazy, motywy, grafiki tekstowe itp. Plik [Content_Types].xml zawiera informacje o typach multimediów obecnych w dokumencie. Zawartość takiego pliku XML przedstawia się następująco:

<Override PartName#"/word/document.xml" ContentType#"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml"/>

Odwołania do zasobów — _rels/document.xml.rels

Informacje o zasobach, takie jak obrazy osadzone w dokumencie, znajdują się w tym pliku XML.

Główna zawartość dokumentu

Odnosi się to do głównego pliku XML archiwum, który zawiera treść tekstową dokumentu. Ta zawartość jest reprezentowana przez różne węzły zgodnie ze specyfikacją OpenOffice XML. W większości zawartość tego pliku składa się z akapitów i tabel, chociaż mogą to być również inne węzły.

Węzły formatu pliku

Główny plik document.xml to zbiór węzłów reprezentujących ogólną zawartość pliku. Każdy węzeł ma początek i koniec, który obejmuje dalsze węzły lub zawartość. Uproszczony przykład takiego pliku xml jest następujący:

<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>

Poniżej przedstawiono informacje o niektórych węzłach zawartych w pliku DOCX do reprezentacji zawartości.

<w:document> — reprezentuje główny element głównej zawartości pliku.

<w:body> — Reprezentuje treść dokumentu, która może składać się z wielu innych węzłów elementów, takich jak akapity, tabele i sekcje.

Akapity

Akapit jest głównym nośnikiem treści w dokumencie. Jest reprezentowany przez **<w:p> ** element w dokumencie. Akapit składa się ponadto z jednego lub więcej przebiegów **<w:r> ** który zawiera aktualny tekst akapitu. Oprócz przebiegów akapity mogą zawierać również inne elementy dokumentu, takie jak hiperłącza, komentarze itp. Przykładowa struktura akapitu jest pokazana poniżej:

<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>

Bibliografia

See Also