Word dosyaları: DOCX, XML dolu bir ZIP’tir ve ona dönüştürmek neden zordur
DOCX’in içinde ne var, PDF’den Word’e geçişte düzen neden bozulur, Word’ü neden yazıp okuyamayız. PDF’yi tarayıcınızda Word’e dönüştürün, yükleme yok.
Bir bakışta
- Tür
- Belgeler
- Uzantılar
- .docx
- MIME türü
- application/vnd.openxmlformats-officedocument.wordprocessingml.document
- Diğer adları
- DOCX, Microsoft Word, Office Open XML
Bir .docx dosyası bir ZIP arşividir. Birinin adını .zip olarak değiştirip açın; bir klasör dolusu XML belgesi bulursunuz — metin ve yapısı bir dosyada, stiller bir diğerinde, numaralandırma, ilişkiler ve gömülü görseller ayrı girdiler olarak. Microsoft bu formata, Office Open XML’e, 2007’de geçti ve önceki kapalı ikili .doc formatının yerine koydu. ZIP içinde XML olması, bu site de dahil olmak üzere pek çok aracın içinde hiç Microsoft kodu olmadan DOCX üretebilmesinin nedenidir.
Devamını oku
Bu asimetriyi açıkça söylemekte yarar var: bir DOCX yazmak yapılabilir bir iştir, birini aslına uygun biçimde okumak ise değildir. Bir belge üretmek; paragraflar, başlıklar ve metin parçaları için XML oluşturmak demektir — bunu bir kitaplık yapabilir. Var olan bir DOCX’i tam olarak Word’ün yapacağı gibi görüntülemek ise onlarca yıllık düzen davranışını yeniden üretmek demektir ve bu pratikte Word ya da LibreOffice gerektirir. Buradaki dönüştürmelerin DOCX’ten çıkmayıp DOCX’e gitmesinin nedeni budur.
Kaynak bir PDF olduğunda zorluk öbür tarafa geçer. Bir PDF paragrafları değil, konumlandırılmış glif dizilerini saklar; bu yüzden ondan bir DOCX kurmak, hiç kaydedilmemiş bir yapıyı çıkarsamak demektir: glifleri taban çizgilerine göre satırlara gruplamak, paragraf sonlarını tahmin etmek, başlıkları belirlemek için yazı boyutlarını sıralamak. Sıradan düz yazı iyi aktarılır. Çok sütunlu düzenler, tablolar ve yüzen görseller aktarılmaz, çünkü onları yeniden kurmak için gereken bilgi dosyada yoktur.
PDF bir taramaysa üzerinde çalışılacak hiç metin yoktur; bu site de dosyayı yüklemek yerine kendi makinenizde çalışan bir yapay zekâ tanıma modeliyle karakterleri sayfa görüntülerinden okur. Sonuç düzenleyebileceğiniz bir Word belgesidir; tek çekince, tanımanın kusursuz olmaması ve düzenin korunmak yerine yeniden kurulmasıdır.
Diğer formatları Word formatına dönüştürün
Word SSS
PDF’den Word’e dönüştürme neden hiçbir zaman özgün düzenle eşleşmiyor?
Çünkü bir PDF yapıyı değil, konumlandırılmış glifleri saklar. Paragrafların, başlıkların ve okuma sırasının çıkarsanması gerekir; hiçbir zaman tablo ya da iki sütunlu düzen olarak kaydedilmemiş bir şey de geri kazanılamaz.
Burada Word’ü PDF’ye dönüştürebilir miyim?
Yerel olarak hayır. Bir DOCX’i tam olarak Word’ün yaptığı gibi görüntülemek Word ya da LibreOffice gerektirir ve bunlar bir tarayıcı sekmesinde çalışamaz. Buradaki dönüştürmeler DOCX’ten çıkmaz, DOCX’e gider.
Bir DOCX gerçekten bir ZIP dosyası mı?
Evet. Adını .zip olarak değiştirirseniz açabilirsiniz — içinde metni, stilleri ve ilişkileri tarif eden bir klasör dolusu XML dosyası ile ayrı girdiler olarak gömülü görseller bulunur.
Taranmış PDF’lerde çalışır mı?
Evet. Bir PDF’nin metin katmanı yoksa karakterleri sayfa görüntülerinden okumak için tarayıcınızda bir yapay zekâ tanıma modeli çalışır. Hiçbir şey yüklenmez.
Başlıklar ve sayfa sonları korunur mu?
Başlıklar yazı boyutundan çıkarılır ve özgün belgedeki sayfa sonları eklenir; böylece belge sayfalandırmasını korur. İkisi de tahmindir ve ikisi de zaman zaman yanlış olur.
Sunucu tarafında çalışan bir dönüştürücü daha iyisini yapar mıydı?
Düzen açısından evet — LibreOffice çalıştıran bir sunucu düzenin çok daha fazlasını korur. Ama dosyanızı teslim alması da gerekir ve PDF’ler genellikle sözleşmeler, maaş bordroları ve hesap özetleridir. Bu dönüştürücünün bu şekilde çalışmasının nedeni bu takastır.