DOC ist das Format, in das Microsoft Word von den späten 1980ern bis Word 2007 gespeichert hat, bevor es durch DOCX ersetzt wurde. Es ist ein Binärformat, was einfach bedeutet, dass die Datei aus Maschinendaten statt aus lesbarem Text besteht: Wenn du sie in einem Texteditor öffnest, siehst du größtenteils Kauderwelsch mit Fragmenten deiner Sätze dazwischen. Unzählige DOC-Dateien existieren noch in Archiven, E-Mail-Anhängen und gemeinsam genutzten Laufwerken, daher ist das Format noch lange relevant, nachdem es nicht mehr der Standard war.
Wie eine DOC-Datei ein Dokument speichert
Eine DOC-Datei verwendet einen Container, den Microsoft Compound File Binary Format nannte, im Effekt ein kleines Dateisystem in einer einzelnen Datei, mit einem eigenen Verzeichnis benannter Datenströme. Ein Datenstrom enthält den Text, ein anderer die Formatierungstabellen, weitere die eingebetteten Bilder und Objekte. Die Spezifikation ist im Lauf von einem Dutzend Word-Versionen organisch gewachsen, weshalb das Format so komplex ist, dass das korrekte Auslesen eine echte Leistung für jedes Programm ist, das nicht Word heißt.
Dieses Design hat eine berüchtigte Folge. Da ein Datenstrom direkt an Ort und Stelle bearbeitet werden kann, hat Word historisch eher angehängt und gepatcht als neu geschrieben, sodass gelöschter Text in der Datei verbleiben konnte, obwohl er nicht mehr auf der Seite erschien. Das Fast-Save-Verhalten machte dies zum Normalfall. Eine von einem alten Laufwerk wiederhergestellte DOC-Datei kann daher Absätze enthalten, die lange vor dem Verschicken entfernt wurden.
DOC verfügt außerdem über keine eingebaute Kompression, sodass ein Dokument mit ein paar Fotos darin schnell anwächst, oft auf ein Mehrfaches der Größe der entsprechenden DOCX-Datei.
Welche Metadaten eine DOC-Datei enthält
DOC speichert seine Metadaten in Summary-Information-Streams innerhalb der Compound-Datei. Der sichtbare Satz ist im Wesentlichen derselbe wie bei DOCX: Title, Subject, Author, Keywords, Comments, Last Modified By sowie die Erstellungs- und Änderungszeitstempel.
Die Dokumentzusammenfassung ergänzt Company, Manager, Category, die Seiten-, Wort- und Zeichenzahlen, die Anwendung und Version, die die Datei geschrieben hat, Total Editing Time in Minuten und eine Revision Number. Word führte außerdem eine Liste früherer Autoren und der lokalen Pfade, unter denen ein Dokument gespeichert worden war. So konnten DOC-Dateien historisch Namen, Netzlaufwerksfreigaben und Verzeichnisstrukturen preisgeben.
Wenn du Metadaten aus einer alten DOC-Datei ausliest, solltest du alles darin als potenziell aussagekräftiger betrachten als beabsichtigt. Dieses Format hat Organisationen gelehrt, Dokumenteigenschaften vor der Veröffentlichung zu entfernen.
Wann du DOC verwenden solltest
Wähle DOC nicht für neue Dokumente. DOCX ist kleiner, besser spezifiziert, überall dort unterstützt, wo auch DOC funktioniert, und hat das Fast-Save-Restproblem nicht. Jeder aktuelle Textverarbeiter speichert aus gutem Grund standardmäßig in DOCX.
Der einzige sinnvolle Einsatz für DOC ist die Kompatibilität mit wirklich alter Software, die nichts anderes lesen kann. Andernfalls solltest du eine DOC-Datei als etwas behandeln, das konvertiert werden soll: Öffne sie, prüfe, ob das Layout erhalten geblieben ist, speichere sie als DOCX oder exportiere sie als PDF und lies ihre Metadaten einmal aus, bevor du sie weitergibst.