یک پروندهٔ .docx معمولی و رمزنگارینشده را روی رایانهٔ خود انتخاب کنید، از آن یک نسخهٔ کپی بسازید و پسوند نسخهٔ کپی را از .docx به .zip تغییر دهید. اگر Windows پسوند را در انتهای نام پرونده نمایش نمیدهد، ابتدا باید گزینهٔ File name extensions را در File Explorer فعال کنید.
حالا روی پروندهٔ تغییرنامیافته دوبار کلیک کنید. ابزار آرشیو مورد نظرتان بدون اعتراض آن را باز خواهد کرد و خود Windows نیز میتواند پروندههای ZIP را بدون نرمافزار اضافی باز و استخراج کند. درون آن، ساختاری پوشهای میبینید که شامل _rels، docProps، word و پروندهای به نام [Content_Types].xml در ریشه است.
این یک ترفند یا تصادف نیست. سندهای مدرن Word از زمان Office ۲۰۰۷ به همین شکل بستهبندی میشوند. پسوند .docx سازوکار زیرین را آنقدر خوب پنهان میکند که بیشتر افراد هرگز دلیلی برای توجه به آن پیدا نمیکنند.
پوشهٔ پنهان درون هر DOCX
متن اصلی سند شما در XML خوانا قرار دارد
پوشهٔ Word را درون آن آرشیو تغییرنامیافته باز کنید تا پروندهای به نام document.xml پیدا کنید. این پرونده بدنهٔ اصلی سند شما را در بر دارد و متن آن در WordprocessingML پیچیده شده است؛ واژگان XML که Word برای توصیف پاراگرافها، رشتههای متنی، قالببندی و دیگر ویژگیهای سند به کار میبرد.
وقتی document.xml پروندهٔ آزمایشی خود را باز کردم، جملههای کامل سند بهصورت متن خوانا درون عناصر آن قرار داشتند. یک پاراگراف ساده مانند «Hello world» میتواند چیزی شبیه به این باشد:
w:p><w:r><w:t>Hello world</w:t></w:r></w:p>و Word آن نشانهگذاری را به صفحهٔ پردازششدهای تبدیل میکند که معمولاً روی صفحه میبینید.
همهچیز در document.xml قرار ندارد. سرصفحهها، پاصفحهها، پاورقیها، نظرات، سبکها و دیگر اجزای سند میتوانند در پروندههای جداگانهای در بخشهای دیگر بسته قرار گیرند. این بخشی از هدف این ساختار است. یک DOCX تودهای عظیم از دادههای سند نیست، بلکه مجموعهای از بخشهای کوچکتر است که Word هنگام باز کردن سند، آنها را کنار هم میچیند.
بقیهٔ آرشیو شامل اجزای پشتیبان است. [Content_Types].xml انواع محتوای ذخیرهشده در بسته را مشخص میکند، در حالی که پروندههای _rels روابط میان اجزا را ترسیم میکنند؛ از جمله ارجاعهایی از سند اصلی به تصاویر و دیگر پروندههای پشتیبان.
تصاویر جاسازیشده معمولاً در word/media بهصورت پروندههای تصویری جداگانه، اغلب JPEG یا PNG، ظاهر میشوند. در سند آزمایشی من، آن پوشه شامل سه پروندهٔ تصویری مجزا بود که هرکدام جدا از XML سند ذخیره شده بودند.
کل این سیستم یک نام دارد: Office Open XML یا OOXML. وقتی یکی از این پروندهها را از درون بررسی کنید، X در .docx معنای بسیار بیشتری پیدا میکند.
چرا .docx جایگزین .doc بهعنوان قالب پیشفرض Word شد
قالب قدیمی هم سیستم پروندهای داشت، فقط بسیار عجیبتر بود
پیش از Office ۲۰۰۷، Word عمدتاً اسناد را با استفاده از قالب باینری Microsoft و بهصورت پروندههای .doc ذخیره میکرد. آن پروندهها صرفاً بلوکهایی از متن و قالببندی نبودند که در یک جریان ریخته شده باشند. آنها از OLE Compound File Binary Format استفاده میکردند که تا حدودی مانند یک سیستم پروندهٔ درونساختِ فشردهشده در یک تکپرونده رفتار میکند و شامل جریانها و فضای ذخیرهسازی داخلی است.
تفاوت در دسترسپذیری بود. تفسیر قابلاعتماد آن ساختار باینری نیازمند درک مشخصات قالب Microsoft بود و برنامهنویسی برای آن بسیار دشوارتر از باز کردن یک آرشیو ZIP و تجزیهٔ XML بود.
OOXML آن مدل را با بستهای مبتنی بر ZIP از بخشهای جداگانه و قابل آدرسدهی جایگزین کرد. Microsoft این قالب را صریحاً بهگونهای طراحی کرد که نرمافزار بتواند بخشهایی از سند را بدون اجرای Word دستکاری کند. نمونهای که برای آن تبلیغ میکرد، شرکتی بود که با جایگزین کردن تصویر درون هر بسته، لوگوی خود را در هزاران سند ذخیرهشده تغییر میداد؛ بیآنکه ناچار باشد هر پرونده را دستی باز کند.
این قالب در سال ۲۰۰۶ با نام ECMA-۳۷۶ و سپس در سال ۲۰۰۸ با نام ISO/IEC ۲۹۵۰۰ استاندارد شد. نتیجهٔ عملی این است که توسعهدهندگان میتوانند ساختار پایهٔ یک DOCX را با ابزارهای معمول ZIP و XML، که در بسیاری از محیطهای برنامهنویسی وجود دارند، بررسی کنند. این قالب مستند، استفاده از DOCX را بیرون از نرمافزار Microsoft نیز ممکن میسازد و جایگزینهای مدرن Word میتوانند با درجات گوناگونی از سازگاری قالببندی، مستقیماً با پروندههای DOCX کار کنند.
این به آن معنا نیست که بازسازی همهٔ قابلیتهای Word ساده است. اسناد پیچیده میتوانند شامل روابط، سبکها، اشیای تعبیهشده، تغییرات ردیابیشده، تنظیمات سازگاری و ویژگیهای دیگری باشند که تفسیر دقیق کل بسته را بسیار دشوارتر میکنند. اما دستکم بررسی درون فایل دیگر مستلزم برخورد با آن بهعنوان تودهای باینری و مبهم نیست.
با این حال، قالب قدیمی .doc لزوماً سادهتر نبود؛ فقط بررسی آن با ابزارهایی که بیشتر ما از پیش در اختیار داریم، بسیار دشوارتر بود.
باز کردن یک فایل DOCX در عمل چه امکانی به شما میدهد
ترفندی نمایشی که بهطرز شگفتانگیزی مفید است
مفیدترین ترفند فوری، استخراج تصاویر است. اگر کسی سندی پنجاهصفحهای و پر از عکس برایتان بفرستد، لازم نیست روی هر تصویر راستکلیک کنید و آن را جداگانه ذخیره کنید. پوشهٔ Word/media را درون آرشیو تغییرنامیافته باز کنید تا همهٔ فایلهای تصویری ذخیرهشده در سند را یکجا استخراج کنید.
یک هشدار مهم وجود دارد. این فایلها لزوماً نسخههای دستنخوردهٔ فایلهای اصلیِ درجشده نیستند، زیرا Word بسته به تنظیمات تصویر میتواند آنها را فشرده یا دوباره نمونهبرداری کند. پوشهٔ Word/media آنچه را واقعاً در DOCX ذخیره شده نشان میدهد که ممکن است با فایلهای منبع تفاوت داشته باشد.
ساختار بسته همچنین زمانی مفید است که Word از باز کردن سندی آسیبدیده سر باز میزند. اگر ظرف ZIP هنوز سالم باشد، شاید بتوانید فایل document.xml را باز کنید و متن باقیمانده را مستقیماً بازیابی کنید؛ سپس هر تصویر سالمی را از مسیر word/media بازگردانید.
کاربران پیشرفتهتر گاهی میتوانند XML نادرست را تعمیر و بسته را بازسازی کنند، اما این کار بسیار کمتر از آنچه به نظر میرسد قابل پیشبینی است. یک فایل DOCX خراب ممکن است حاوی XML نامعتبر، رابطهای آسیبدیده، فایلی مفقود، مدخلی ZIP خراب یا دادههایی واقعاً ازدسترفته باشد. باز کردن آرشیو را یکی از مسیرهای بازیابی بدانید، نه درمانی تضمینی برای هر خطای «Word محتوای غیرقابلخواندن پیدا کرد».
همچنین میتوانید از آرشیو برای بررسی بخشهایی استفاده کنید که Word معمولاً آنها را بهعنوان اجزای یک سند یکپارچه ارائه میدهد. بسته به فایل، این بخشها میتوانند شامل سربرگها و پاصفحهها، ویژگیهای سند، نظرات، اشیای تعبیهشده، پوستهها، سبکها و دیگر دادههای پشتیبان باشند. حتی اگر هیچکدام را ویرایش نکنید، دیدن این فایلها تنها یک بار کافی است تا قالب DOCX بسیار کمرمزورازتر به نظر برسد.
یک سند Word بستهای است، نه جعبهای سیاه
این ترفند به نرمافزار خاصی نیاز ندارد. تنها چیزی که لازم است، دانستن این نکته است که .docx برچسبی بر یک بستهٔ مبتنی بر ZIP است که Word آن را به سندی تبدیل میکند که معمولاً میبینید.
پس از باز کردن یکی از آنها، اسناد Word دیگر آنقدر یکپارچه به نظر نمیرسند. XML متن و ساختار سند را آشکار میکند، پوشهٔ رسانه تصاویر تعبیهشده را نگه میدارد و فایلهای پیرامونی همهچیز را به هم پیوند میدهند. پسوند .docx سندی جایگزین و مخفی را پنهان نمیکند؛ بلکه سازوکاری را پنهان میکند که سند را پدید میآورد.
منبع: این مطلب ترجمه و بومیسازی مقالهای از MakeUseOf به قلم Oluwademilade Afolabi است. مشاهده مقاله اصلی