Vad är en DOCX fil?
DOCX är ett välkänt format för Microsoft Word-dokument. Introducerad från 2007 med lanseringen av Microsoft Office 2007, ändrades strukturen för detta nya dokumentformat från vanligt binärt till en kombination av XML och binära filer. Docx-filer kan öppnas med Word 2007 och laterala versioner men inte med de tidigare versionerna av MS Word som stöder DOC-filtillägg.
Kortfattad bakgrund
Efter att Microsoft öppnade specifikationerna för DOC-filformatet var det lätt för sina konkurrenter att omvända formatet och ge samma stöd i sina egna applikationer. Dessutom tvingade konkurrensen från Open Office i form av dess Open Document Format, Microsoft att anta mer öppna och breda standarder. Det var i början av 2000 när Microsoft bestämde sig för att gå för förändringen för att tillgodose standarden för Office Open XML. Dokument under denna nya standard fick .docx-tillägg, “X” vara för XML. År 2007 blev detta nya filformat en del av Office 2007 och används även i de nya versionerna av Microsoft Office. Den nya filtypen har lagt till fördelarna med små filstorlekar, färre ändringar av korruption och välformaterad bildrepresentation.
DOCX filformatspecifikationer - Mer information
En Docx-fil består av en samling XML-filer som finns i ett ZIP-arkiv. Innehållet i ett nytt Word-dokument kan ses genom att packa upp dess innehåll. Samlingen innehåller en lista över XML-filer som är kategoriserade som:
- MetaData Files - innehåller information om andra filer som finns tillgängliga i arkivet
- Dokument - innehåller det faktiska innehållet i dokumentet
Metadatafiler
Microsoft Word använder dessa filer för att hitta förhållandet mellan filer och för att hitta dokumentinnehållet. När ett Word-dokumentarkiv extraheras innehåller det ett antal sådana filer som beskrivs nedan.
Relationer - _rels/.rels
Den här filen innehåller information som talar om för MS Word var man ska leta efter dokumentinnehållet och andra referenser. Varje relation identifieras av ett unikt relations-id och anger den refererade XML-filen som mål. Ett exempel på relationsfil visas som följer:
<Relationship Id#"rId1" Type#"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument" Target#"word/document.xml"/>.
Innehållstyper
Ett dokument kan innehålla flera mediatyper inuti som bilder, teman, ordkonst, etc. [Content_Types].xml innehåller information om sådana mediatyper som finns i dokumentet. Innehållet i en sådan XML-fil visas som följer:
<Override PartName#"/word/document.xml" ContentType#"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml"/>
Referenser till resurser - _rels/document.xml.rels
Information om resurser, såsom bilder inbäddade i dokumentet, hänvisas till i denna XML-fil.
Huvuddokumentets innehåll
Detta hänvisar till den huvudsakliga XML-filen i arkivet som innehåller dokumentets textinnehåll. Detta innehåll representeras av olika noder enligt OpenOffice XML-specifikationerna. Mestadels består innehållet i den här filen av stycken och tabeller, även om de också kan vara andra noder.
Filformatnoder
Huvudfilen document.xml är en samling noder för representation av det övergripande innehållet i en fil. Varje nod har en start och ett slut som kapslar in antingen ytterligare noder eller innehållet. Ett förenklat exempel på en sådan xml-fil är följande:
<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>
Följande är informationen om några av noderna som finns i en DOCX-fil för representation av innehåll.
<w:document> - Representerar rotelementet i filens huvudinnehåll.
<w:body> - Representerar dokumentets brödtext som kan bestå av många andra elementnoder som stycken, tabeller och sektioner.
Stycken
Ett stycke är huvudinnehållsinnehavaren i ett dokument. Det representeras av **<w:p> ** element i ett dokument. Ett stycke består vidare av en eller flera körningar **<w:r> ** som innehåller själva texten i stycket. Förutom körningar kan stycken även innehålla andra dokumentelement som hyperlänkar, kommentarer etc. Ett exempel på styckestruktur är som visas nedan:
<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>
