Historiakatsaus: Mikä on .doc-tiedosto? Ei sama asia kuin .docx

Mikä on .doc-tiedosto?

.doc on Microsoft Wordin pitkäikäinen asiakirjapääte. Tuo yksi pääte kätki useita yhteensopimattomia binääriaikakausia. Word for MS-DOS -ohjelmalla oli oma DOC-muotonsa. Varhainen Word for Windows 1.0 / 2.0 (ja siihen liittyvä varhainen Macin Word) käytti aiempaa binäärirakennetta. Word 6.0 ja Word 95 (Word 7) toivat uuden natiivin binäärimuodon, joka perustui OLE2-yhdistelmäasiakirjamuotoon — aikakausi, joka on luetteloitu PRONOMissa tunnuksella fmt/39 (Microsoft Word Document 6.0/95).

Word 97–Word 2003 muokkasivat tätä OLE- / CFB-pohjaista binääriä jälleen. Muoto säilyi Word 2000:n / 2002:n / 2003:n ajan — perinteinen ”Word 97–2003” -binäärinen .doc, joka on kuvattu Library of Congressin muistiinpanoissa, kuten FDD000509. Word 2007:stä alkaen oletustallennusmuodoksi tuli Office Open XML .docx. Binäärinen .doc jäi yhteensopivuuden tallennus- ja avauspoluksi, ei oletukseksi.

Miksi .doc ei ole sama kuin .docx?

Perinteinen Word 97–2003 -.doc on binäärinen OLE- (Object Linking and Embedding) / CFB- (Compound File Binary) yhdistelmätiedosto: pienoistiedostojärjestelmä tallennuslohkoja ja virtoja yhden tiedoston sisällä. .docx on OOXML (Office Open XML): XML-osien (WordprocessingML) ZIP-paketti OPC:n (Open Packaging Conventions) mukaisesti, ei CFB. Aidon .docx-tiedoston tavuissa näkyy usein ZIP-tunniste `PK 03 04`. .doc-tiedoston nimeäminen uudelleen .docx-päätteiseksi ei muunna sitä.

ECMA-376 standardoi OOXML-perheen joulukuussa 2006. ISO/IEC 29500 julkaistiin marraskuussa 2008 huhtikuun 2008 hyväksynnän jälkeen. Officen binäärimuodot pysyivät suljettuina vuosia; Sun/OpenOffice takaisinmallinsi ne. Microsoft julkaisi Word 97–2007 -binäärisen .doc-määrityksen Open Specification Promise -lupauksen alla noin 15. helmikuuta 2008. Määrityksiä on päivitetty sen jälkeen (muistiinpanoja toukokuuhun 2022 asti) — ensimmäinen julkaistu PDF ei ollut täydellinen kartta kaikista ominaisuuksista.

Miten binäärimuoto on koottu (CFB / OLE -virrat)

CFB-tiedosto alkaa yleensä kahdeksantavuisella otsakeallekirjoituksella: `D0 CF 11 E0 A1 B1 1A E1` (Library of Congress FDD000509 / Microsoft MS-CFB). Gary Kessler huomauttaa alun muistuttavan sanaa ”DOCFILE”. Oletusrakenne käyttää 512-tavuisia sektoreita, FAT- ja Mini FAT -taulukoita sekä hakemistoa — pieni rakenteisen tallennuksen taltio tiedoston sisällä.

Wordin binäärisessä DOC-tiedostossa pakollinen `WordDocument`-virta sisältää asiakirjan päätekstin ja muotoilun. Taulukkovirran nimi on `0Table` tai `1Table` (fontit, tyylit, kirjanmerkit ja niihin liittyvät rakenteet). Upotetut OLE-objektit ovat Data-virran ObjectPool-kohdassa. WordDocument-virta alkaa usein siirtymän 512 tienoilla FIB-tunnisteilla (File Information Block); LOC:n muistiinpanot mainitsevat yleisesti havaitun wIdent-arvon `ECA5` ja versiotyyppisen arvon `C100` FibBase.nFib-perheessä — hyödyllisiä forensisia maamerkkejä, ei yleinen taikaluku jokaiselle Word-aikakaudelle.

Miksi nykyinen Word estää joitakin vanhoja .doc-tiedostoja

Nykyisen Wordin Luottamuskeskuksen tiedostojen esto voi hylätä vanhempia binäärityyppejä. Word 6.0- ja Word 95 -binääriasiakirjojen ja -mallien avaaminen on oletuksena estetty nykyisessä Wordissa / Microsoft 365:ssä. Word 97+ -binäärit aukeavat usein yhä, ellei käytäntöä kiristetä. Käyttäjät voivat poistaa avaamisen valinnat kohdasta Tiedosto → Asetukset → Luottamuskeskus → Tiedostojen eston asetukset. Ryhmäkäytäntö / tietoturvaperusasetukset voivat pakottaa eston — ja jotkin organisaatiot estävät oletuksia laajemmin.

Kaikkia .doc-tiedostoja ei estetä. Myyttiä kannattaa lieventää: erota Word 6.0/95 -oletukset Word 97–2003:sta ja tarkista sitten käytäntö. Uudemmat Microsoft 365 -versiot ovat myös kiristäneet vanhojen binäärien käsittelyä. Makrojen ja ActiveX:n historia on syy tiedostojen eston olemassaoloon: binäärinen .doc voi sisältää makroja ja OLE-objekteja; .docx-paketointi muutti hyökkäyspintaa. Pidä tietoturva-asetukset ennallaan ja muunna, kun tarvitset luotetun nykyaikaisen kopion.

Miksi vanhoja .doc-tiedostoja tulee yhä vastaan vuonna 2026

Vuosikymmenten yritys-, lakiasia- ja henkilökohtaiset arkistot sisältävät yhä .doc-tiedostoja. Skannerit, vanhemmat vientityökalut ja ”Tallenna Word 97–2003 -asiakirjana” tuottavat yhä binäärimuotoa. Sähköpostiliitteet ja varmuuskopiot pitävät kopiot liikkeessä. Sama pääte voi kätkeä Word 6/95:n, Word 97–2003:n tai jopa väärin merkittyjä muita kuin Word-tiedostoja — yksi syy lisää siihen, miksi oikea muunnos on tärkeämpää kuin uudelleennimeäminen.

Nämä vanhat tiedostot eivät ole automaattisesti rikki. Ne ovat vanhempia Word-binäärejä, jotka odottavat muotoa, johon nykyinen Word luottaa. Käytännön ohjeet löydät artikkelista Kun vanha .doc-tiedosto ei aukea nykyisessä Wordissa. Legacy File Converter muuntaa .doc- / .dot-tiedostot DOCX- tai PDF-muotoon offline-tilassa tällä PC:llä.