Word

Kurz: Microsofts Textverarbeitungsprogramm — Standardformat (.docx) für Dokumente in vielen Unternehmen und Behörden.

Genauer: Das .docx-Format ist technisch ein ZIP-Archiv aus XML-Dateien (Office Open XML), weshalb es sich auch ohne Word selbst programmatisch erzeugen und auslesen lässt. Relevant für Entwickler z. B. bei automatisierter Dokumentenerstellung (Verträge, Rechnungen, Berichte).

Im Detail

Interner Aufbau des .docx-Formats

Entpackt man eine .docx-Datei einfach als ZIP-Archiv (Dateiendung umbenennen genügt), findet man eine Ordnerstruktur aus XML-Dateien: word/document.xml enthält den eigentlichen Text und die Formatierung, word/styles.xml die Formatvorlagen (Überschrift 1, Überschrift 2, Standardtext usw.), weitere Dateien Bilder, Metadaten (Autor, Erstellungsdatum) und Beziehungen zwischen den Teilen (_rels-Ordner, der z. B. verknüpft, welches Bild wo im Text referenziert wird). Dieses offene Format (Office Open XML, seit Word 2007 Standard) löste das alte, binäre .doc-Format ab, das nur mit spezieller, meist proprietärer Software zuverlässig lesbar war und dessen internes Format nie vollständig offengelegt wurde.

Programmatische Nutzung

Für Entwickler ist das relevant, weil sich Word-Dokumente dadurch programmatisch erzeugen, auslesen oder verändern lassen, ohne dass Word selbst installiert sein muss — nützlich für automatisierte Serienbriefe, generierte Rechnungen/Verträge aus Vorlagen (Textbausteine werden dynamisch mit Kundendaten befüllt), oder das Extrahieren von Text aus hochgeladenen Dokumenten für die Weiterverarbeitung (z. B. Bewerbungs-Lebensläufe automatisiert nach Stichworten durchsuchen). Bibliotheken wie python-docx (Python) oder docx4j/Apache POI (Java) manipulieren direkt die zugrunde liegende XML-Struktur, ohne dass Endnutzer davon etwas mitbekommen — das erzeugte Dokument öffnet sich am Ende ganz normal in Word.

from docx import Document
 
doc = Document()
doc.add_heading("Rechnung", level=1)
doc.add_paragraph("Sehr geehrte Damen und Herren,")
doc.save("rechnung.docx")

Kompatibilität und Alternativen

Trotz des offenen XML-Formats gibt es in der Praxis immer wieder Darstellungsunterschiede zwischen Word und alternativen Programmen (LibreOffice Writer, Google Docs) — komplexe Formatierungen, eingebettete Objekte oder ungewöhnliche Schriftarten werden nicht immer 1:1 identisch angezeigt, besonders bei sehr alten oder sehr komplexen Dokumenten. Trotzdem bleibt .docx der faktische Standard für Textdokumente im Geschäfts- und Behördenumfeld, ähnlich wie Excel bei Tabellen und PowerPoint bei Präsentationen — alle drei teilen sich dasselbe zugrunde liegende ZIP-plus-XML-Prinzip.

Siehe auch: Excel, PowerPoint, ZIP