Logótipo do Legacy File ConverterLegacy File Converter
Lição de história8 min de leitura

Lição de história: o que é um ficheiro .docx? Um ZIP de XML que o Word 2007 tornou predefinido

O documento predefinido do Word desde 2007: um pacote ZIP de partes XML que nasceu das experiências com XML da Microsoft no início dos anos 2000 e se tornou Ecma-376 e ISO/IEC 29500 após uma disputa de normalização renhida.

·Pela equipa Legacy File Converter
Uma página de documento cor de creme com um fecho de correr que se abre e mostra cartões de partes azul-petróleo e âmbar ao lado de um velho bloco binário apagado, sem logótipos

TL;DR

Um ficheiro .docx é um pacote ZIP de partes XML: o formato Office Open XML que o Word 2007 tornou predefinido em vez do .doc binário. Os seus primeiros bytes são PK, a assinatura ZIP, e lá dentro há ficheiros de texto como word/document.xml, que contém o texto do corpo. A Microsoft anunciou o formato para normalização em novembro de 2005, a Ecma International aprovou-o como Ecma-376 a 7 de dezembro de 2006, e a ISO e a IEC publicaram-no como ISO/IEC 29500 em novembro de 2008 após uma votação disputada. O Legacy File Converter converte .docx localmente no Windows para formatos como PDF, Markdown e HTML; nada é enviado.

O que há num ficheiro .docx?

Um ficheiro .docx é um ficheiro ZIP com outra extensão. Abra um num visualizador hexadecimal — um programa que mostra os bytes em bruto de um ficheiro — e os dois primeiros carateres são PK, as iniciais de Phil Katz, que criou o formato ZIP na PKWARE; a assinatura completa são os quatro bytes 50 4B 03 04. É por isso que qualquer ferramenta ZIP consegue listar um .docx, e por isso que a documentação para programadores da Microsoft diz para mudar a extensão de .docx para .zip e ver as partes lá dentro.

O padrão chama parte a cada ficheiro do ficheiro, e Open Packaging Conventions (OPC) às suas regras de empacotamento. A visão geral da Ecma descreve um documento Word mínimo com três partes: [Content_Types].xml, que diz de que tipo é cada parte; _rels/.rels, que diz como o pacote se liga ao documento principal; e a parte do documento principal, normalmente word/document.xml. Os documentos reais acrescentam partes para estilos, cabeçalhos, rodapés, notas de rodapé, comentários e definições, e as imagens ficam no pacote como ficheiros de imagem normais.

Em document.xml a estrutura é simples. Um corpo (body) contém parágrafos (w:p), um parágrafo contém sequências (w:r, «runs») — zonas de texto com a mesma formatação — e uma sequência contém o texto em si (w:t). O prefixo w: marca o vocabulário WordprocessingML. Como uma alteração de formatação inicia uma nova sequência, uma única frase pode ficar repartida por várias sequências, e é uma das razões pelas quais o XML parece mais carregado do que a página.

Espreite uma cópia, não o original

Copie o ficheiro, mude o nome da cópia para .zip e abra-a. O Word encontra cada parte através das listas de relações e de tipos de conteúdo, por isso um pacote editado à mão que as quebre pode já não abrir. Guarde o original intacto.

Porque é que o Word 2007 transformou os documentos num ZIP de XML?

Antes de 2007, o Word guardava o .doc binário (veja Lição de história: o que é um ficheiro .doc? Não é o mesmo que .docx). A visão geral para programadores que a Microsoft publicou em 2006 foi franca sobre porque tinha de mudar: os formatos binários refletiam as estruturas em memória das aplicações, pensadas para computadores com pouca memória e discos lentos, e alterá-los fora do Office era uma das principais causas de ficheiros corrompidos. O novo desenho mantinha um só ficheiro para o utilizador, mas embrulhava partes separadas num contentor ZIP, para que um programa pudesse ler ou substituir uma só parte sem tocar no resto.

O XML andava a infiltrar-se havia anos. Uma cronologia publicada por Brian Jones, da Microsoft, em janeiro de 2007 refere um formato XML para o Excel com o Office XP, um formato XML completo para o Word — WordprocessingML — na primeira beta do Office 2003 em outubro de 2002, e a União Europeia a pedir à Microsoft em maio de 2004 que submetesse os seus formatos XML a um organismo de normalização. A visão geral da Microsoft de 2006 acrescenta que os formatos XML do Office 2003 só funcionavam para Word e Excel, e que só o do Word era realmente de fidelidade total. A versão de 2007 estendeu a ideia ao PowerPoint e tornou-a predefinida.

De 2005 a 2008: do formato da Microsoft a uma norma internacional

A 21 de novembro de 2005 a Microsoft anunciou que copatrocinaria a submissão dos novos formatos à Ecma International. A Ecma formou nesse dezembro o comité técnico TC45, com membros como a Apple, Barclays Capital, BP, a British Library, a Essilor, a Intel, a Microsoft, a NextPage, a Novell, a Statoil, a Toshiba e a Biblioteca do Congresso dos Estados Unidos, e a especificação cresceu para cerca de 6000 páginas. A assembleia geral da Ecma aprovou-a como Ecma-376 a 7 de dezembro de 2006, por 20 votos contra 1; a IBM deu o único voto contra e disse que o OpenDocument era o melhor futuro.

O produto chegou primeiro. O Office 2007 chegou aos clientes empresariais a 30 de novembro de 2006, uma semana antes da votação da Ecma, e às lojas a 30 de janeiro de 2007. O formato rival já tinha obtido a sua própria aprovação: o OpenDocument tornou-se norma ISO em 2006 (veja Lição de história: O que é um ficheiro .odt? Por que o Word o abre diferente).

A Ecma enviou depois o Office Open XML à ISO e à IEC pelo procedimento de via rápida. Na votação que terminou em setembro de 2007 foi reprovado, com cerca de 3500 comentários. Uma reunião de resolução de votos em Genebra, de 25 a 29 de fevereiro de 2008, analisou pouco mais de 1000 questões distintas, muitos países mudaram o voto e, a 2 de abril de 2008, a ISO anunciou que os limiares de aprovação tinham sido atingidos, com 75% dos votos expressos a favor e 14% contra. A ISO/IEC 29500:2008 foi publicada em novembro de 2008. A InfoWorld noticiou que muitos se tinham oposto por o acharem desnecessário, já que o OpenDocument era uma norma internacional.

O texto da ISO define dois níveis de conformidade, Strict e Transitional, e mantém uma parte chamada Transitional Migration Features para compatibilidade com documentos existentes. A Biblioteca do Congresso nota que o Office 2013 e posteriores suportam Strict, mas não o usam como predefinição por razões de retrocompatibilidade; assim, a saída .docx habitual do Word é normalmente Transitional.

ZIP mais XML não quer dizer intercambiável

A visão geral da Microsoft nota que o formato de esquema fixo XPS usa as mesmas Open Packaging Conventions, e o .odt também é um ZIP de XML. Cada um usa o seu próprio vocabulário, por isso mudar uma extensão para outra não converte nada. Veja Lição de história: o que é um ficheiro .xps? O formato de papel que o Windows deixou de abrir.

O x extra, e porque é que o Word antigo não o conseguia abrir

A visão geral da Microsoft explica o nome: as novas extensões pedem emprestadas as binárias acrescentando uma letra, por isso .doc passou a .docx, .xls passou a .xlsx e .ppt passou a .pptx. Os ficheiros com macros recebem um m — .docm — para que qualquer pessoa saiba, antes de abrir, que contêm código, e o Office não executa código de um ficheiro guardado com a extensão com x.

O Word 2003 e anteriores não sabiam nada do novo pacote. A Microsoft publicou um Pacote de Compatibilidade para os Formatos de Ficheiro do Word, Excel e PowerPoint 2007 gratuito, com a página de transferência datada de 6 de novembro de 2006, que permite ao Word 2000, XP e 2003 abrir, editar e guardar os novos formatos. A Microsoft também afirmava que os ficheiros podiam ser até 75 por cento mais pequenos do que os binários comparáveis, porque o XML comprime bem e o ZIP comprime as partes; encare-o como um valor do fabricante que varia com o documento.

Porque é que os ficheiros .docx ainda estão nos discos em 2026

Um .docx não é um formato obsoleto; é o que o Word guarda por predefinição há quase duas décadas, por isso cartas, contratos, teses e relatórios de todos os anos desde 2007 estão nele. A visão geral da Microsoft nota que propriedades como o autor e a data da última gravação, e os comentários, vivem em partes próprias, pelo que um .docx pode conter mais do que a página mostra. Os ficheiros tornam-se ficheiros legacy quando algo à sua volta muda: um PC sem Word, um Word antigo sem o pacote, ou alguém que precisa de um PDF, de um ficheiro Markdown ou de HTML.

O Legacy File Converter inclui o .docx entre os documentos suportados em Tipos de ficheiro suportados e converte-o localmente no Windows para formatos como PDF, Markdown e HTML. Nada é enviado. Este artigo fica pela história. Para o formato binário que o .docx substituiu, veja Lição de história: o que é um ficheiro .doc? Não é o mesmo que .docx; para passos práticos com ficheiros Word antigos, veja Quando um ficheiro .doc antigo não abre no Word atual.

Pronto para abrir os seus ficheiros antigos?

Comece gratuitamente e depois desbloqueie as conversões ilimitadas com uma licença Standard de $79.95 em pagamento único. Transfira o instalador para Windows — todas as funcionalidades para até 10 ficheiros.

Avaliação gratuita

Todas as funcionalidades da aplicação · até 10 ficheiros

Windows 10 ou 11

Avaliação gratuita — converta até 10 ficheiros. Transfira o instalador para Windows e converta localmente no seu PC.

Iniciar a avaliação gratuita — Transferir o instalador

Instalador direto para Windows · MSI offline

É seguro? — editor, instalador e ajuda com o SmartScreen

Requer Windows 10 ou 11. Sem subscrições.