Внутрішня будова документа Word

Я майже на 100% впевнений, що кожен із вас, відкриваючи простий файл Microsoft Word, ставиться до нього не більше як до просунутого текстового документа. Тобто ви його просто відкриваєте, туди щось пишете, вставляєте фотографії, таблиці. Але мені здається, що ви ніколи не замислювалися про те, що там відбувається всередині такого файлу.

Сучасний документ Word – це майже звичайний ZIP-архів, усередині якого знаходяться файли та папки. Щоб продемонструвати це, я перейменував розширення простого файлу .docx на .zip.

Після перейменування документа на .zip його можна відкрити будь-яким архіватором, наприклад WinRAR.

Коли я відкриваю цей архів, одразу бачу кілька файлів і внутрішніх директорій. І кожен із файлів має своє призначення. Основна папка документа – це word. Найцікавіший документ усередині цієї папки, це document.xml, усередині якого зберігається збережений мною текст “Hello world”.

Текст там знаходиться не зовсім у звичному вигляді. Він оточений спеціальними позначеннями, мітками, які допомагають програмі зрозуміти, де починається абзац, який текст потрібно показати і як його оформити. У цій же папці знаходяться інші важливі файли, такі як стилі тексту, заголовків і абзаців, загальні налаштування документа, інформація про шрифти. У папці media зазвичай зберігаються вставлені зображення (на скриншоті її немає). І... так, не всі файли або папки обов'язково присутні в кожному такому документі. Вони з'являються залежно від вмісту файлу Word.

У папці _rels знаходиться інформація про зв'язки між окремими частинами документа. Наприклад, Word повинен розуміти, які файли належать до основного вмісту документа і де шукати пов'язані з ним елементи.

У Microsoft Word є можливість захистити документ паролем, щоб стороння людина не змогла прочитати його вміст. Для цього використовується функція шифрування документа, доступна через меню “Файл” → “Відомості” → “Захистити документ” → “Зашифрувати за допомогою пароля”.

Але коли ми встановлюємо пароль на документ, це не просто доступ до перегляду вмісту. Після встановлення пароля відбувається шифрування всього вмісту файлу. І це означає, що дані перетворюються на зашифровані. Без правильного пароля отримати з них початковий документ майже неможливо. Звичайний файл .docx можна відкрити як zip-архів. Але якщо документ зашифрований, то його внутрішня структура змінюється, і звичайним zip-архіватором його відкрити не вдасться. Демонструю на скриншотах, що в мене вийшло і як поводиться архіватор WinRAR.

При простій спробі відкрити файл двома клацаннями миші вискакує помилка про те що файл у невідомому форматі або пошкоджений. При спробі розпакувати архів локально в папку я бачу аналогічне повідомлення про помилку.

Будь-хто з вас може провести цей експеримент самостійно. Створіть будь-який файл Microsoft Word. Зробіть невеликий запис у документі та збережіть його. Створіть ще один документ із будь-яким записом і встановіть на нього пароль. Після цього обидва файли перейменуйте і замініть розширення на .zip, і подивіться що у вас вийде.

Навіщо я взагалі про це пишу? Подібна інформація дозволяє поглянути на прості речі трохи іншим поглядом, з глибшим розумінням як це все влаштовано і що там усередині.