File Word: un DOCX è uno ZIP pieno di XML, e perché convertire in DOCX è difficile
Cosa contiene un DOCX, perché da PDF a Word si perde l’impaginazione e perché sappiamo scrivere file Word ma non leggerli. Converti PDF in Word nel browser.
In sintesi
- Tipo
- Documenti
- Estensioni
- .docx
- Tipo MIME
- application/vnd.openxmlformats-officedocument.wordprocessingml.document
- Noto anche come
- DOCX, Microsoft Word, Office Open XML
Un file .docx è un archivio ZIP. Rinominane uno in .zip, aprilo, e troverai una cartella di documenti XML — il testo e la sua struttura in un file, gli stili in un altro, la numerazione, le relazioni, le immagini incorporate come voci separate. Microsoft è passata a questo formato, Office Open XML, nel 2007, sostituendo l’opaco .doc binario di prima. Il fatto che sia XML in uno ZIP è il motivo per cui così tanti strumenti possono produrre un DOCX senza alcun codice Microsoft, compreso questo sito.
Leggi di più
Quell’asimmetria merita di essere detta chiaramente: scrivere un DOCX è fattibile, leggerne uno fedelmente no. Produrre un documento significa generare XML per paragrafi, titoli e sequenze di testo — una libreria ci riesce. Rendere un DOCX esistente esattamente come farebbe Word significa riprodurre decenni di comportamenti di impaginazione, il che in pratica richiede Word o LibreOffice. Ecco perché le conversioni qui vanno verso il DOCX e non a partire da esso.
Quando la sorgente è un PDF, la difficoltà si sposta dall’altra parte. Un PDF memorizza sequenze di glifi posizionate invece di paragrafi, quindi costruire un DOCX a partire da esso significa dedurre una struttura mai registrata: raggruppare i glifi in righe secondo le loro linee di base, indovinare le interruzioni di paragrafo, ordinare le dimensioni dei caratteri per individuare i titoli. La prosa normale passa bene. Impaginazioni a più colonne, tabelle e immagini mobili no, perché le informazioni necessarie per ricostruirle non sono nel file.
Se il PDF è una scansione, non c’è alcun testo con cui lavorare, e questo sito legge i caratteri dalle immagini delle pagine con un modello di riconoscimento con IA che gira sul tuo computer invece di caricare il file. Il risultato è un documento Word che puoi modificare, con l’avvertenza che il riconoscimento non è perfetto e l’impaginazione viene ricostruita invece che conservata.
Converti altri formati in Word
Domande frequenti su Word
Perché da PDF a Word l’impaginazione originale non torna mai?
Perché un PDF memorizza glifi posizionati invece di struttura. Paragrafi, titoli e ordine di lettura vanno dedotti, e una tabella o un’impaginazione a due colonne che non sono mai state registrate come tali non si possono recuperare.
Posso convertire Word in PDF qui?
Non in locale. Rendere un DOCX esattamente come fa Word richiede quel programma o LibreOffice, che non possono girare in una scheda del browser. Le conversioni qui vanno verso il DOCX, non a partire da esso.
Un DOCX è davvero un file ZIP?
Sì. Rinominalo in .zip e puoi aprirlo — dentro c’è una cartella di file XML che descrivono testo, stili e relazioni, più le eventuali immagini incorporate come voci separate.
Funziona con i PDF scansionati?
Sì. Quando un PDF non ha un livello di testo, un modello di riconoscimento con IA gira nel tuo browser per leggere i caratteri dalle immagini delle pagine. Non viene caricato nulla.
Titoli e interruzioni di pagina vengono mantenuti?
I titoli vengono dedotti dalla dimensione del carattere e le interruzioni di pagina dell’originale vengono inserite, così il documento mantiene la sua paginazione. Sono entrambe ipotesi, e a volte entrambe sbagliano.
Un convertitore lato server farebbe meglio?
Sull’impaginazione, sì — un server con LibreOffice ne conserva molta di più. Deve però ricevere il tuo file, e i PDF tendono a essere contratti, buste paga ed estratti conto. Questo compromesso è il motivo per cui questo convertitore funziona così.