DOC é o formato em que o Microsoft Word salvava arquivos do fim dos anos 1980 até o Word 2007, quando foi substituído por DOCX. É um formato binário, o que simplesmente significa que o arquivo é dado de máquina e não texto legível: se você o abrir em um editor de texto, verá em grande parte caracteres sem sentido com fragmentos das suas frases no meio. Um número enorme de arquivos DOC ainda existe em arquivos, anexos de e-mail e unidades compartilhadas, por isso o formato continua relevante muito depois de ter deixado de ser o padrão.
Como um DOC armazena um documento
Um arquivo DOC usa um contêiner que a Microsoft chamou de Compound File Binary Format, na prática um pequeno sistema de arquivos dentro de um único arquivo, com seu próprio diretório de fluxos nomeados. Um fluxo guarda o texto, outro as tabelas de formatação, outros as imagens e objetos incorporados. A especificação cresceu de forma orgânica ao longo de várias versões do Word, por isso o formato é tão complicado que lê-lo corretamente é um verdadeiro feito para qualquer programa que não seja o Word.
Esse design tem uma consequência notória. Como um fluxo pode ser editado no próprio lugar, o Word historicamente acrescentava e remendava em vez de reescrever, de modo que o texto excluído podia continuar no arquivo, mesmo que não aparecesse mais na página. O comportamento de gravação rápida tornava isso rotineiro. Um DOC recuperado de um disco antigo pode, portanto, conter parágrafos que foram cortados muito antes de o arquivo ser enviado.
DOC também não tem compactação integrada, então um documento com algumas fotos cresce rapidamente, muitas vezes ficando várias vezes maior que o DOCX equivalente.
Quais metadados um DOC contém
DOC armazena seus metadados em fluxos de informações de resumo dentro do arquivo composto. O conjunto visível é muito parecido com o de DOCX: Title, Subject, Author, Keywords, Comments, Last Modified By e os carimbos de data e hora de criação e modificação.
O resumo do documento acrescenta Company, Manager, Category, as contagens de páginas, palavras e caracteres, o aplicativo e a versão que criaram o arquivo, Total Editing Time em minutos e um Revision Number. O Word também mantinha uma lista de autores anteriores e dos caminhos locais em que o documento havia sido salvo, o que explica como arquivos DOC historicamente vazaram nomes, nomes de compartilhamentos de rede e estruturas de diretórios.
Se você estiver lendo metadados de um DOC antigo, trate tudo nele como potencialmente mais informativo do que o pretendido. Este é o formato que ensinou as organizações a remover propriedades de documentos antes de publicá-los.
Quando usar DOC
Não escolha DOC para nada novo. DOCX é menor, melhor especificado, compatível com todos os lugares em que DOC é aceito e não sofre com o problema de resíduos da gravação rápida. Todos os processadores de texto atuais gravam em DOCX por padrão por um bom motivo.
A única razão para usar DOC é a compatibilidade com softwares realmente antigos que não conseguem ler nenhum outro formato. Caso contrário, trate um DOC como algo a ser convertido: abra-o, verifique se o layout foi preservado, salve como DOCX ou exporte para PDF e leia seus metadados uma vez antes de repassá-lo.