یک پرونده .docx معمولی و رمزنگارینشده را روی رایانه خود بردارید، 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 کرده و استخراج کند. در درون، ساختاری پوشهای میبینید که شامل _rels، docProps، word و پروندهای به نام [Content_Types].xml در ریشه است.
این یک ترفند یا تصادف نیست. اینگونه است که یک سند Word مدرن بستهبندی میشود، و از زمان Office ۲۰۰۷ اینگونه بوده است. پسوند .docx بهقدری خوبی مکانیزم زیرین را پنهان میکند که بیشتر افراد هیچگاه دلیلی برای noticed کردن آن ندارند.
پوشهٔ پنهان درون هر DOCX
متن اصلی سند شما در XML خوانا قرار دارد
پوشهٔ Word را درون آن آرشیو تغییرنامیافته باز کنید و پروندهای به نام document.xml پیدا خواهید کرد. 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 سایر رفتارهای سند استفاده میکند.
وقتی document.xml از پروندهٔ آزمایشی خود را باز کردم، جملات کامل سند آنجا بهصورت متن خوانا درون عناصر 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 که معمولاً روی صفحه میبینید تبدیل میکند.
همهچیز در document.xml قرار ندارد. سرصفحهها، پاصفحهها، پاورقیها، نظرات، سبکها و سایر اجزای سند میتوانند در پروندههای جداگانه در جای دیگری از بسته قرار گیرند. این بخشی از هدف است. یک DOCX یک بلوک عظیم از دادههای سند نیست بلکه مجموعهای از بخشهای کوچکتر است که Word هنگام باز کردن آن را مونتاژ میکند.
باقی آرشیو، افراد پشتیبان را پر میکنند. [Content_Types].xml انواع محتوای ذخیرهشده در بسته را شناسایی میکند، در حالی که پروندههای _rels روابط میان اجزا را ترسیم میکنند، از جمله ارجاعات از سند اصلی به تصاویر و سایر پروندههای پشتیبان.
تصاویر جاسازیشده معمولاً در word/media بهصورت پروندههای تصویری جداگانه ظاهر میشوند، اغلب بهصورت JPEG یا PNG. 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، و X در .docx وقتی یکی از آنها را از درون بررسی کرده باشید بهطور قابلتوجهی معنای بیشتری پیدا میکند.
چرا .docx جایگزین .doc بهعنوان پیشفرض Word شد
قالب قدیمی هم سیستم پروندهای داشت، فقط خیلی عجیبتر
پیش از Office ۲۰۰۷، Word عمدتاً اسناد را با استفاده از قالب باینری Microsoft بهصورت پروندههای .doc ذخیره میکرد. آن پروندهها صرفاً بلوکهایی از متن و قالببندی نبودند که در یک جریان تخلیه شده باشند. آنها از OLE Compound File Binary Format استفاده میکردند که تا حدودی مانند یک سیستم پروندهٔ درорожtiin فشردهشده درون یک تکپرونده رفتار میکند، با جریانها و ذخیرهسازی داخلی کامل.
تفاوت در دسترسپذیری بود. تفسیر قابلاعتماد آن ساختار باینری نیازمند درک مشخصات قالب Microsoft بود، و کار برنامهنویسی با آن بسیار کمتر از باز کردن یک آرشیو ZIP و تجزیهٔ XML در دسترس بود.
OOXML آن مدل را با بستهای مبتنی بر ZIP از بخشهای قابل آدرسدهی فردی جایگزین کرد. Microsoft قالب را صریحاً بهگونهای طراحی کرد که نرمافزار بتواند بخشهایی از سند را بدون اجرای Word دستکاری کند. مثالی که مبنی بر آن تبلیغ میکرد، شرکتی بود که لوگو را در هزاران سند ذخیرهشده با جایگزینی تصویر درون هر بسته عوض میکرد، بهجای باز کردن دستی هر پرونده.
این قالب در سال ۲۰۰۶ با نام ECMA-۳۷۶ و متعاقباً 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 موجود در بسیاری از محیطهای برنامهنویسی بررسی کنند. آن قالب مستند همچنین DOCX را خارج از نرمافزار خود Microsoft نیز عملی میسازد و جایگزینهای مدرن Word میتوانند مستقیماً با پروندههای DOCX با درجات مختلفی از سازگاری قالببندی کار کنند.
این به آن معنا نیست که بازسازی همه چیزهایی که Word میتواند انجام کند ساده است. اسناد پیچیده میتوانند شامل روابط، سبکها، اشیاء تعبیهشده، تغییرهای پیگیریشده، تنظیمات سازگاری و سایر ویژگیهایی باشند که تفسیر دقیق کل بسته را بسیار دشوارتر میکنند. اما صرفاً ورود به داخل فایل دیگر نیازی به برخورد با آن بهعنوان یک توده باینری مبهم ندارد.
با این حال، قالب قدیمی .doc لزوماً سادهتر نبود. فقط با ابزارهایی که بیشتر ما از قبل داریم، بررسی آن بسیار دشوارتر بود.
باز کردن یک فایل DOCX در واقع چه امکانی به شما میدهد
ترفند نمایشی بهطرز شگفتانگیزی مفید است
مفیدترین ترفند فوری، استخراج تصاویر است. اگر کسی یک سند پنجاهصفحهای پر از عکس برای شما بفرستد، نیازی نیست روی هر کدام راستکلیک کرده و جداگانه ذخیره کنید. پوشه Word/media درون آرشیو تغییرنامیافته را باز کنید و میتوانید تمام فایلهای تصویری ذخیرهشده در سند را یکجا استخراج کنید.
یک هشدار مهم وجود دارد. این فایلها لزوماً نسخههای دستنخورده از فایلهای اصلیِ درجشده تضمین نمیشوند، زیرا Word بسته به تنظیمات تصویر میتواند تصاویر را فشرده یا نمونهبرداری مجدد کند. پوشه Word/media آنچه را که واقعاً در DOCX ذخیره شده نشان میدهد، که ممکن است با فایلهای منبع متفاوت باشد.
ساختار بسته همچنین زمانی میتواند مفید باشد که Word از باز کردن یک سند آسیبدیده سر باز میزند. اگر ظرف ZIP خود هنوز سالم باشد، ممکن است بتوانید فایل document.xml را باز کرده و متن باقیمانده را مستقیماً بازیابی کنید، و سپس هر تصویر سالم 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، یک رابطه آسیبدیده، یک فایل مفقودی، یک مدخل ZIP خراب یا واقعاً دادههای از دست رفته باشد. باز کردن آرشیو را بهعنوان یکی از مسیرهای بازیابی در نظر بگیرید، نه درمانی تضمینی برای هر خطای « Word محتوای غیرقابل خواندن پیدا کرد ».
همچنین میتوانید از آرشیو برای بررسی بخشهایی استفاده کنید که Word معمولاً بهعنوان بخشی از یک سند یکپارچه ارائه میدهد. بسته به فایل، این میتواند شامل سربرگها و پاورقیها، ویژگیهای سند، نظرات، اشیاء تعبیهشده، پوستهها، سبکها و سایر دادههای پشتیبان باشد. حتی اگر هیچکدام را ویرایش نکنید، دیدن آن فایلها حتی یک بار سبب میشود قالب DOCX خیلی کمتر مرموز به نظر برسد.
یک سند Word یک بسته است، نه یک جعبه سیاه
این ترفند نیازی به نرمافزار خاص ندارد. تنها چیزی که لازم دارد دانستن این است که .docx برچسبی است روی یک بسته مبتنی بر ZIP که Word آن را به سندی که معمولاً میبینید تبدیل میکند.
پس از باز کردن یکی از آنها، اسناد Word دیگر آنقدر یکپارچه به نظر نمیرسند. XML متن و ساختار سند را آشکار میکند، پوشه رسانه تصاویر تعبیهشده را نگه میدارد و فایلهای پیرامونی همه چیز را به هم وصل میکنند. پسوند .docx یک سند جایگزین مخفی را پنهان نمیکند؛ بلکه ماشینآلاتی را پنهان میکند که سند را کار میکند.
منبع: این مطلب ترجمه و بومیسازی مقالهای از MakeUseOf به قلم Oluwademilade Afolabi است. مشاهده مقاله اصلی