Word-bestanden: een DOCX is een ZIP vol XML, en waarom ernaartoe converteren lastig is
Wat een DOCX bevat, waarom PDF naar Word de opmaak verliest en waarom we Word-bestanden wel kunnen schrijven maar niet lezen. Converteer PDF naar Word, gratis.
In één oogopslag
- Type
- Documenten
- Extensies
- .docx
- MIME-type
- application/vnd.openxmlformats-officedocument.wordprocessingml.document
- Ook bekend als
- DOCX, Microsoft Word, Office Open XML
Een .docx-bestand is een ZIP-archief. Hernoem er een naar .zip, open het, en je vindt een map met XML-documenten — de tekst en haar structuur in het ene bestand, stijlen in een ander, nummering, relaties en ingesloten afbeeldingen als aparte onderdelen. Microsoft stapte in 2007 over op dit formaat, Office Open XML, ter vervanging van het ondoorzichtige binaire .doc dat ervoor kwam. Doordat het XML in een ZIP is, kunnen zoveel tools een DOCX maken zonder enige code van Microsoft, deze site inbegrepen.
Lees meer
Die asymmetrie is het waard om ronduit te zeggen: een DOCX schrijven is goed te doen, er een getrouw lezen niet. Een document maken betekent XML genereren voor alinea’s, koppen en tekstfragmenten — een bibliotheek kan dat. Een bestaande DOCX precies weergeven zoals Word dat zou doen, betekent tientallen jaren opmaakgedrag nabootsen, en dat vereist in de praktijk Word of LibreOffice. Daarom gaan de conversies hier naar DOCX en niet ervan uit.
Is de bron een PDF, dan verschuift de moeilijkheid naar de andere kant. Een PDF slaat geplaatste reeksen tekens op in plaats van alinea’s, dus er een DOCX van maken betekent structuur afleiden die nooit is vastgelegd: tekens per basislijn tot regels groeperen, alinea-einden raden, lettergroottes rangschikken om koppen te herkennen. Gewone proza komt er goed doorheen. Opmaak met meerdere kolommen, tabellen en zwevende afbeeldingen niet, omdat de informatie om ze op te bouwen niet in het bestand staat.
Is de PDF een scan, dan is er helemaal geen tekst om mee te werken, en leest deze site de tekens van de pagina-afbeeldingen met een AI-herkenningsmodel dat op je eigen computer draait, in plaats van het bestand te uploaden. Het resultaat is een Word-document dat je kunt bewerken, met de kanttekening dat herkenning niet perfect is en de opmaak wordt gereconstrueerd en niet behouden.
Andere formaten naar Word converteren
Word — veelgestelde vragen
Waarom klopt PDF naar Word nooit met de oorspronkelijke opmaak?
Omdat een PDF geplaatste tekens opslaat en geen structuur. Alinea’s, koppen en leesvolgorde moeten worden afgeleid, en een tabel of opmaak met twee kolommen die nooit als zodanig is vastgelegd, valt niet terug te halen.
Kan ik hier Word naar PDF converteren?
Niet lokaal. Een DOCX precies weergeven zoals Word dat doet, vereist Word of LibreOffice, en die draaien niet in een browsertabblad. De conversies hier gaan naar DOCX en niet ervan uit.
Is een DOCX echt een ZIP-bestand?
Ja. Hernoem het naar .zip en je kunt het openen — erin zit een map met XML-bestanden die de tekst, stijlen en relaties beschrijven, plus eventuele ingesloten afbeeldingen als aparte onderdelen.
Werkt het op gescande PDF’s?
Ja. Heeft een PDF geen tekstlaag, dan draait er in je browser een AI-herkenningsmodel dat de tekens van de pagina-afbeeldingen leest. Er wordt niets geüpload.
Blijven koppen en pagina-einden behouden?
Koppen worden afgeleid uit de lettergrootte en pagina-einden uit het origineel worden ingevoegd, zodat het document zijn paginering houdt. Beide zijn gokken, en beide zitten er soms naast.
Zou een serverconverter het beter doen?
Qua opmaak wel — een server met LibreOffice behoudt er veel meer van. Hij moet wel je bestand ontvangen, en PDF’s zijn vaak contracten, loonstroken en afschriften. Die afweging is de reden dat deze converter werkt zoals hij werkt.