Visualizzatore DOC

Perché non è tanto un formato di documento quanto un’istantanea della memoria del programma che l’ha scritto. Un .doc è un contenitore Compound File Binary, un piccolo file system che contiene un flusso di caratteri più tabelle binarie separate che descrivono la formattazione per intervalli di byte. Era pensato per salvare in fretta sull’hardware degli anni Novanta, non per essere letto da altri programmi, e Microsoft ha pubblicato le specifiche solo nel 2008. Office attuale inoltre blocca questi file per impostazione predefinita, perché quella stessa complessità li ha resi il veicolo preferito dei virus macro.

Perché leggono il flusso di caratteri dall’inizio alla fine. Word non riscriveva tutto il flusso a ogni salvataggio: lasciava il testo cancellato dov’era, aggiungeva il nuovo alla fine e aggiornava una piece table che dice quali intervalli di byte compongono il documento nell’ordine di lettura. Se ignori quella tabella ottieni frasi cancellate mescolate a quelle vere, nell’ordine sbagliato. Questo tool segue la piece table, ed è per questo che il risultato si legge come il documento e non come la sua cronologia.

Non qui, e la ragione è una scelta consapevole. La formattazione vive in strutture separate dal testo, indicizzate per posizione di byte nello stesso flusso, e leggerle sbagliando di una posizione corrompe il testo invece di far perdere soltanto uno stile. Recuperare le parole in modo affidabile vale più che recuperare il grassetto rischiando di scombinare la frase. Se ti serve l’impaginazione, il file va passato a un vero elaboratore di testi: LibreOffice li apre gratuitamente.

No. Il contenitore viene interpretato da JavaScript nella scheda del tuo browser e il testo viene scritto direttamente sul tuo disco. I .doc di vecchia data arrivano quasi sempre da archivi personali o aziendali, cioè proprio il materiale che non conviene consegnare a un sito di conversione per leggerlo una volta.