Glossar-Eintrag
DOCX
Standard-Dateiformat von Microsoft Word seit 2007, ein ZIP-Container mit XML-Dateien nach dem OOXML-Standard.
DOCX ist das aktuelle Standardformat von Microsoft Word, eingeführt mit Office 2007. Die Endung lautet .docx. Anders als das ältere DOC ist DOCX ein offenes, textbasiertes Format.
Technisch ist eine DOCX-Datei ein ZIP-Archiv, das mehrere XML-Dateien sowie eingebettete Medien (Bilder, Schriften) enthält. Der eigentliche Text liegt in einer Datei namens document.xml. Diese Struktur folgt dem OOXML-Standard (Office Open XML) und ist als ISO/IEC 29500 normiert.
Weil DOCX strukturiert und offen dokumentiert ist, lässt es sich gut maschinell auslesen. Bibliotheken wie mammoth.js entpacken das ZIP, lesen das enthaltene XML und übersetzen es in HTML, das anschließend in ein PDF gerendert wird. DOCX ist damit das am besten geeignete Eingabeformat für eine zuverlässige Word-zu-PDF-Konvertierung.
Verwandte Begriffe
DOC
Binäres Dateiformat von Microsoft Word bis Version 2003, mit der Endung .doc, das auf dem älteren OLE-Container basiert.
OOXML
Office Open XML, der offene XML-basierte Dateistandard hinter DOCX, XLSX und PPTX, normiert als ISO/IEC 29500.
mammoth.js
JavaScript-Bibliothek, die DOCX-Dokumente in sauberes, semantisches HTML umwandelt, als Zwischenschritt zur PDF-Erzeugung.