DOC - это формат, в который Microsoft Word сохранял документы с конца 1980‑х годов до тех пор, пока в Word 2007 его не заменил DOCX. Это двоичный формат, что просто означает: файл содержит машинные данные, а не читаемый текст. Если открыть его в текстовом редакторе, вы увидите в основном бессмысленный набор символов с обрывками ваших предложений. Огромное количество файлов DOC до сих пор хранится в архивах, в вложениях писем и на общих дисках, поэтому формат по‑прежнему важен, даже после того как перестал быть форматом по умолчанию.
Как DOC хранит документ
Файл DOC использует контейнер, который Microsoft назвала Compound File Binary Format. По сути это крошечная файловая система внутри одного файла со своим собственным каталогом именованных потоков. Один поток хранит текст, другой - таблицы форматирования, другие - встроенные изображения и объекты. Спецификация развивалась органично на протяжении десятка версий Word, поэтому формат настолько сложен, что корректное чтение DOC является реальным достижением для любой программы, кроме самого Word.
У такого дизайна есть одно печально известное следствие. Поскольку поток можно редактировать на месте, Word исторически добавлял и правил данные, а не перезаписывал их заново, поэтому удаленный текст мог оставаться в файле, хотя уже не отображался на странице. Поведение быстрых сохранений сделало это обычной ситуацией. Восстановленный со старого диска файл DOC может содержать абзацы, которые были вырезаны задолго до отправки документа.
В DOC также нет встроенного сжатия, поэтому документ с несколькими фотографиями быстро разрастается и часто оказывается в несколько раз больше по размеру, чем эквивалентный DOCX.
Какие метаданные содержит DOC
DOC хранит свои метаданные в потоках сводной информации внутри составного файла. Набор видимых полей во многом такой же, как у DOCX: Title, Subject, Author, Keywords, Comments, Last Modified By, а также временные метки создания и изменения.
Сводка документа добавляет Company, Manager, Category, количество страниц, слов и символов, приложение и версию, создавшие файл, Total Editing Time в минутах и Revision Number. Word также сохранял список предыдущих авторов и локальные пути, по которым документ был сохранен. Из‑за этого файлы DOC исторически раскрывали имена, имена общих сетевых ресурсов и структуру каталогов.
Если вы читаете метаданные из старого DOC, рассматривайте все в них как потенциально более информативное, чем планировалось. Именно этот формат научил организации удалять свойства документа перед публикацией.
Когда использовать DOC
Не выбирайте DOC для новых документов. DOCX меньше по размеру, лучше специфицирован, поддерживается везде, где поддерживается DOC, и не страдает от проблем с остатками быстрых сохранений. Все современные текстовые редакторы по умолчанию записывают DOCX не случайно.
Единственный повод работать с DOC - совместимость с действительно старым программным обеспечением, которое не умеет читать ничего другого. В остальных случаях относитесь к DOC как к формату для конвертации: откройте файл, проверьте, что разметка сохранилась, сохраните его в DOCX или экспортируйте в PDF и один раз просмотрите метаданные перед тем, как передать дальше.