Formato DOCX: Dentro del estándar Open XML de Microsoft Word

DOCX (Word Open XML Document) es el formato de documento de Microsoft introducido con Office 2007, reemplazando al formato binario DOC. A diferencia de su predecesor, DOCX está basado en el estándar Office Open XML (OOXML) (ISO/IEC 29500), convirtiéndolo en un archivo ZIP que contiene ficheros XML, imágenes, fuentes y otros recursos.

DOCX es un archivo ZIP

Un fichero .docx es un fichero ZIP. Renómbralo a .zip y puedes abrirlo en cualquier gestor de ficheros:

document.docx/
├── [Content_Types].xml       — declara tipos de contenido para todas las partes
├── _rels/.rels               — relaciones raíz (apunta al documento)
├── word/
│   ├── document.xml          — el contenido principal del documento
│   ├── styles.xml            — todos los estilos con nombre (Título 1, Normal, etc.)
│   ├── settings.xml          — configuración a nivel de documento
│   ├── theme/theme1.xml      — tema de color, fuentes, efectos
│   ├── header1.xml           — cabecera de primera página
│   ├── footer1.xml           — pie de primera página
│   ├── numbering.xml         — definiciones de numeración de listas
│   ├── footnotes.xml         — texto de notas al pie
│   ├── comments.xml          — comentarios de revisión
│   └── media/                — imágenes incrustadas
└── docProps/
    ├── app.xml               — metadatos de aplicación
    └── core.xml              — propiedades del documento

La estructura de document.xml

Los elementos XML clave en word/document.xml:

<w:document>
  <w:body>
    <!-- Párrafo -->
    <w:p>
      <w:pPr>  <!-- Propiedades del párrafo -->
        <w:pStyle w:val="Titulo1"/>  <!-- aplica Estilo con nombre -->
        <w:jc w:val="center"/>      <!-- alineación: left/center/right/both -->
      </w:pPr>
      <w:r>  <!-- Ejecución (texto continuo con mismo formato) -->
        <w:rPr>  <!-- Propiedades de ejecución -->
          <w:b/>           <!-- negrita -->
          <w:i/>           <!-- cursiva -->
          <w:color w:val="FF0000"/>  <!-- texto rojo -->
          <w:sz w:val="28"/>  <!-- tamaño fuente 14pt (sz en medios puntos) -->
        </w:rPr>
        <w:t>Hola Mundo</w:t>
      </w:r>
    </w:p>
  </w:body>
</w:document>

Sistema de estilos

DOCX usa un potente sistema de estilos en cascada en styles.xml:

Tipos de estilos:

• Estilos de párrafo: Se aplican a párrafos completos (Título 1, Normal, Texto de cuerpo)
• Estilos de carácter: Se aplican a ejecuciones en línea (Énfasis intenso, Código)
• Estilos de tabla: Se aplican a tablas (Cuadrícula de tabla, Sombreado claro)

La herencia de estilos: cada estilo puede tener un padre basedOn. Título 1 está típicamente basado en Normal, heredando su fuente pero anulando tamaño y peso.

Imágenes en DOCX

Las imágenes se almacenan en word/media/ y se referencian mediante relaciones. Usan EMU (English Metric Units): 914.400 EMU = 1 pulgada = 72 puntos.

Control de cambios

La función de Control de cambios de DOCX almacena cada edición como marcado:

<w:ins w:id="1" w:author="Juan García" w:date="2024-01-15T10:30:00Z">
  <w:r><w:t>texto insertado</w:t></w:r>
</w:ins>

<w:del w:id="2" w:author="Ana López" w:date="2024-01-15T11:00:00Z">
  <w:r><w:delText>texto eliminado</w:delText></w:r>
</w:del>

Generación programática de DOCX

Python — python-docx

from docx import Document
from docx.shared import Inches, Pt
from docx.enum.text import WD_ALIGN_PARAGRAPH

doc = Document()
doc.add_heading('Título del documento', level=1)

para = doc.add_paragraph()
run = para.add_run('Texto en negrita ')
run.bold = True
para.add_run('y texto normal.')

# Añadir tabla
tabla = doc.add_table(rows=3, cols=3)
tabla.style = 'Table Grid'
for i, fila in enumerate(tabla.rows):
    for j, celda in enumerate(fila.cells):
        celda.text = f'Fila {i}, Col {j}'

doc.add_picture('logo.png', width=Inches(2))
doc.save('salida.docx')

LibreOffice sin cabecera (conversión)

# Convertir DOCX a PDF
libreoffice --headless --convert-to pdf documento.docx

# Convertir DOCX a HTML
libreoffice --headless --convert-to html documento.docx

# Conversión por lotes de todos los DOCX en el directorio
libreoffice --headless --convert-to pdf --outdir ./salida/ *.docx

DOCX vs. ODT vs. PDF vs. RTF

Problemas comunes y soluciones

Problema: DOCX se ve diferente en otro ordenador Causa: Fuentes faltantes — DOCX almacena nombres de fuentes pero no los datos de fuente por defecto Solución: Incrustar fuentes antes de compartir (Archivo → Opciones → Guardar → marcar "Incrustar fuentes") o convertir a PDF

Problema: Control de cambios visible en la exportación a PDF Solución: Revisar → Aceptar todos los cambios antes de guardar/exportar

Problema: Las imágenes cambian de posición al añadir texto Solución: Establecer imagen como "Posición fija en la página"

Resumen

La arquitectura ZIP+XML de DOCX lo convierte en el formato de documento principal más programable. Su estructura está bien documentada bajo ECMA-376 e ISO/IEC 29500, permitiendo la generación por docenas de bibliotecas en cada lenguaje de programación. Para el intercambio de documentos, DOCX es el estándar universal. Para archivo o impresión, convierte a PDF/A. Pero para máxima compatibilidad con la suite ofimática más instalada del mundo, DOCX sigue siendo el formato de documento definitivo.

Conversiones relacionadas

Conversiones de documento que siguen este tema:

• PDF a DOCX
• DOCX a PDF
• MD a PDF
• HTML a PDF
• ODT a PDF
• PDF a TXT