DOCX は、Microsoft Word が Word 2007 以降で既定の文書形式として採用しているフォーマットで、それまでのバイナリ形式 DOC に代わるものです。X は XML を意味しており、これがアプローチの完全な転換点になりました。単一の不透明なバイナリデータだった DOC と異なり、DOCX は読み取り可能なテキストファイルを多数含む通常の ZIP アーカイブです。この形式は ECMA-376 として公開され、その後 Office Open XML という名称で ISO 規格にもなりました。そのため、他のワープロアプリでも開いて編集・保存できます。
DOCX が文書を保存する仕組み
DOCX の名前を .zip に変更して解凍すると、文書は複数の部品からなる小さな Web サイトのような構造で目の前に展開されます。本文とその書式は word/document.xml に保存されています。スタイル、フォント、番号付け、脚注はそれぞれ専用の XML パーツを持ちます。貼り付けたすべての画像は、元のままの画像ファイルとして word/media/ に保存されています。マニフェストには、これらのパーツとその相互関係が一覧されています。
これには 2 つの有用な結果があります。まず、ZIP によるラップで XML が強力に圧縮されるため、DOCX は同じ内容の DOC よりも通常かなり小さくなります。また各パーツが分かれているので、画像の破損やスタイルの不具合があっても、必ずしも文書全体が開けなくなるわけではありません。復元アプリは、まだ読み取れるパーツを中心にアーカイブを組み直すことで復旧を行います。
一方で、DOCX はパーツ同士が一貫していることに依存しています。マニフェストと内容が食い違うアーカイブは、おおよそ開くのではなく、そもそも開くこと自体を拒否されます。そのため、転送エラーをかろうじて生き残ったファイルがまったく開けないこともよくあります。
DOCX に含まれるメタデータ
Word はメタデータをアーカイブ内の 2 つの専用パーツに保存しており、他の多くの文書形式よりも情報量が多くなっています。
コアプロパティ には、想像がつく項目が入ります。Title、Subject、Creator（作成者）、Keywords、Description、そして Created と Modified のタイムスタンプです。そのすぐそばにある Last Modified By には、最後にそのファイルを保存した人物の名前が記録されます。オフィス内で回覧された文書では、その 1 つの項目に、本文中にはまったく登場しない人物の名前が残っていることがあります。
拡張プロパティ は、普段あまり意識されない項目です。Word は Application と AppVersion を記録するため、どの Office バージョンで作業したかがファイルから分かります。インストール時の情報から取得した Company も記録されます。さらに、Pages、Words、Characters、Paragraphs、Lines も保存されます。そして、文書が編集のために開かれていた合計分数である TotalTime と、保存された回数である Revision も記録されます。改訂番号 47、編集時間 900 分といった値を持つ契約書は、本文には書かれていない経緯を物語っています。
変更履歴とコメントは、また別の問題です。閲覧する側で表示をオフにしていても XML 内には残り続けるため、共有前に「すべての変更を反映」しても、それは削除したことと同じではありません。
DOCX を使うタイミング
文書の作成・レビュー・改訂の段階では DOCX を使用してください。テキストは編集・再配置しやすい状態のまま維持され、主要なすべてのワープロアプリ間で問題なくやり取りでき、共同編集者もこの形式を想定しています。
完成した文書を配布する際には DOCX を使わないでください。ワープロアプリやフォント環境が異なるとレイアウトが変わる可能性があり、作成者側の見た目と閲覧者側の見た目が一致するとは限りません。その用途には PDF に書き出してください。また DOCX 自体を共有する場合は慎重に行ってください。上記の拡張プロパティも一緒について回り、それらを削除するのは、後から説明するよりもはるかに短時間で済みます。