DOC は、Microsoft Word が 1980 年代後半から、Word 2007 で DOCX に置き換えられるまで保存先として使用していた形式です。これはバイナリ形式であり、ファイルが読み取り可能なテキストではなく機械用データであるというだけの意味です。テキストエディタで開くと、文章の断片が所々に浮かぶ、ほとんど意味不明な文字列が表示されます。DOC ファイルは今でもアーカイブやメールの添付ファイル、共有ドライブなどに大量に残っており、既に既定形式ではなくなっていても、いまだに重要な形式です。
DOC が文書を保存する仕組み
DOC ファイルは、Microsoft が Compound File Binary Format と呼んだコンテナを使用します。これは 1 つのファイルの中に小さなファイルシステムを持たせたようなもので、独自の名前付きストリームのディレクトリがあります。1 つのストリームにはテキスト、別のストリームには書式テーブル、さらに他のストリームには埋め込まれた画像やオブジェクトが格納されます。この仕様は複数回の Word のリリースを通じて有機的に拡張されてきたため、Word 以外のプログラムが正しく読み取れること自体が成果と言えるほど、形式は複雑です。
この設計には、よく知られた結果が 1 つあります。ストリームをその場で編集できるため、Word は歴史的に、書き換えではなく追記や差し替えを行ってきました。その結果、ページ上には表示されなくなっても、削除されたテキストがファイル内に残ることがありました。高速保存の動作により、これは日常的に起こっていました。そのため、古いドライブから復元した DOC には、送信されるよりはるか前に削除された段落が含まれている可能性があります。
DOC には組み込みの圧縮機能もないため、写真を数枚含むだけでも文書サイズは急速に大きくなり、同等の DOCX より数倍大きくなることがよくあります。
DOC が保持するメタデータ
DOC は複合ファイル内部のサマリー情報ストリームにメタデータを保存します。表示される項目は DOCX とほぼ同じで、Title、Subject、Author、Keywords、Comments、Last Modified By、および作成日時と更新日時です。
ドキュメントサマリーにはさらに、Company、Manager、Category、ページ数・単語数・文字数、このファイルを書き込んだアプリケーション名とバージョン、分単位の Total Editing Time、そして Revision Number が追加されます。Word はまた、過去の作成者の一覧と、その文書が保存されていたローカルパスも保持していました。このため、DOC ファイルから名前やネットワーク共有名、ディレクトリ構造が漏れてしまうことが歴史的に発生してきました。
古い DOC からメタデータを読み取る場合は、その内容が意図以上の情報を含んでいる可能性があると考えてください。公開前にドキュメントのプロパティを削除することを組織に学ばせたのが、この形式です。
DOC を使用するタイミング
新しく作成するファイルに DOC を選ばないでください。DOCX の方がサイズは小さく、仕様も明確で、DOC が使われている場所ならどこでもサポートされており、高速保存による残存データの問題もありません。現在のワープロソフトが既定で DOCX を保存形式にしているのには正当な理由があります。
DOC を扱う唯一の理由は、他の形式をまったく読めない、本当に古いソフトウェアとの互換性です。それ以外の場合は、DOC は変換対象と考えてください。開いてレイアウトが崩れていないか確認し、DOCX として保存するか PDF に書き出し、そのファイルを渡す前に一度だけメタデータを確認します。