Pliki Word: DOCX to ZIP pełen XML i dlaczego konwersja do niego jest trudna
Co zawiera DOCX, dlaczego PDF na Word gubi układ i dlaczego potrafimy zapisywać pliki Word, ale nie czytać. Konwertuj PDF na Word w przeglądarce, bez wysyłania.
W skrócie
- Typ
- Dokumenty
- Rozszerzenia
- .docx
- Typ MIME
- application/vnd.openxmlformats-officedocument.wordprocessingml.document
- Znany też jako
- DOCX, Microsoft Word, Office Open XML
Plik .docx to archiwum ZIP. Zmień nazwę na .zip, otwórz go, a znajdziesz folder dokumentów XML — tekst i jego strukturę w jednym pliku, style w innym, numerację, relacje i osadzone obrazy jako osobne pozycje. Microsoft przeszedł na ten format, Office Open XML, w 2007 roku, zastępując nieprzejrzysty binarny .doc. To, że jest to XML w ZIP, sprawia, że tak wiele narzędzi potrafi wytworzyć DOCX bez żadnego kodu Microsoftu, łącznie z tą stroną.
Czytaj dalej
Tę asymetrię warto powiedzieć wprost: zapisanie DOCX jest wykonalne, wierne odczytanie go — nie. Utworzenie dokumentu oznacza wygenerowanie XML dla akapitów, nagłówków i fragmentów tekstu — biblioteka to potrafi. Wyrenderowanie istniejącego DOCX dokładnie tak, jak zrobiłby to Word, oznacza odtworzenie dziesięcioleci zachowań układu, co w praktyce wymaga Worda lub LibreOffice. Dlatego tutejsze konwersje prowadzą do DOCX, a nie z niego.
Gdy źródłem jest PDF, trudność przenosi się na drugą stronę. PDF przechowuje rozmieszczone ciągi znaków, a nie akapity, więc zbudowanie z niego DOCX oznacza odgadywanie struktury, której nigdy nie zapisano: grupowanie znaków w linie według linii bazowych, odgadywanie podziałów akapitów, szeregowanie rozmiarów czcionki, żeby rozpoznać nagłówki. Zwykła proza przechodzi dobrze. Układy wielokolumnowe, tabele i pływające obrazy nie, bo informacji potrzebnych do ich odtworzenia nie ma w pliku.
Jeśli PDF jest skanem, nie ma w ogóle tekstu do pracy, a ta strona odczytuje znaki z obrazów stron modelem rozpoznawania AI działającym na Twoim komputerze, zamiast wysyłać plik. Wynikiem jest dokument Word, który możesz edytować, z zastrzeżeniem, że rozpoznawanie nie jest doskonałe, a układ jest rekonstruowany, a nie zachowywany.
Konwertuj inne formaty na Word
Word — FAQ
Dlaczego PDF na Word nigdy nie odtwarza oryginalnego układu?
Bo PDF przechowuje rozmieszczone znaki, a nie strukturę. Akapity, nagłówki i kolejność czytania trzeba odgadnąć, a tabeli czy układu dwukolumnowego, których nigdy tak nie zapisano, nie da się odzyskać.
Czy mogę tu przekonwertować Word na PDF?
Nie lokalnie. Wyrenderowanie DOCX dokładnie tak jak Word wymaga Worda lub LibreOffice, a żaden z nich nie działa w karcie przeglądarki. Tutejsze konwersje prowadzą do DOCX, a nie z niego.
Czy DOCX to naprawdę plik ZIP?
Tak. Zmień nazwę na .zip, a będziesz mógł go otworzyć — w środku jest folder plików XML opisujących tekst, style i relacje oraz osadzone obrazy jako osobne pozycje.
Czy działa na zeskanowanych PDF?
Tak. Gdy PDF nie ma warstwy tekstowej, w Twojej przeglądarce działa model rozpoznawania AI, który odczytuje znaki z obrazów stron. Nic nie jest wysyłane.
Czy nagłówki i podziały stron są zachowane?
Nagłówki są wnioskowane z rozmiaru czcionki, a podziały stron z oryginału są wstawiane, więc dokument zachowuje paginację. Oba są odgadywane i oba czasem bywają błędne.
Czy konwerter po stronie serwera poradziłby sobie lepiej?
Z układem tak — serwer z LibreOffice zachowuje go dużo więcej. Musi jednak dostać Twój plik, a PDF to zwykle umowy, paski wypłat i wyciągi. Ten kompromis jest powodem, dla którego ten konwerter działa tak, jak działa.