文档

定义

在计算机语境中，文档(document)通常指由一个应用软件产生的、供人或机器阅读的文件。它在英语释义中被描述为存储在计算机上、可读取或修改的文本或图形材料^[4]，中文资料则把它界定为具有永久性、可以由人或机器阅读的文件，用途是承载人工可读的内容^[1]。

在文件与文档的关系上，文件是范围更大的概念，任何存储在存储设备上的信息集合都可以称为文件，文档则是其中以可读内容为主的一类^[5]。档案管理领域的表述则更细，把尚未经过分类、登记和固化、还没有被作为正式文件捕获的计算机文件称为文档，一份正式电子文件可以由多个文档组成^[6]。

与上述含义并行的是软件工程中的用法：文档指描述程序内容、组成、设计、功能规格、开发情况、测试结果及使用方法的文字材料与图表，例如程序设计说明书、流程图和用户手册^[7]。在情报检索领域，文档又被理解为按特定结构归档在存储设备上的情报资料，即以记录形式保存、按结构组织起来的记录集合^[2]。

原理

从操作系统角度看，文档最终以文件的形式落在文件系统中。文件是带有文件名的若干相关数据元素的集合，由存储设备上的字节序列构成，其内部结构由创建者定义，操作系统只负责存取而不解释内容^[8]。文件系统以目录组织文件，目录项记录文件名、长度、修改时间与访问权限等信息，并把文件名映射到磁盘上的物理位置^[8]。

在信息检索系统中，文档是索引与检索的基本单位。检索系统通常同时维护顺排档与倒排档：顺排档按记录的自然顺序存储，查询时需顺序扫描；倒排档以标引词为单元，在其后列举相关文献号码，便于多途径快速检索^[9]。衡量索引词区分能力的文档频率，即包含某个索引项的文档数量，也基于这一单位计算^[9]。

按版面组织方式，电子文档可分为流式与版式两类。流式文档按逻辑顺序存储内容，页面随窗口尺寸与设备自动重排，典型格式有 DOCX、HTML 与 EPUB；版式文档在生成时即固定版面，文字、表格、图片等对象具有准确的坐标参数，在不同设备上显示与打印效果一致，典型格式有 PDF 与 OFD^[10]。版式文档因此被用于成文后的发布和保存，流式文档则用于起草与持续修改^[11]。

发展历程

文档一词的来源与纸质文书相关。英语 file 源于拉丁语 filum，原意是把信件、收据和纸张串起来的绳索，后来转指归档的资料，在早期计算机情报检索中多被译作文档^[2]。计算机出现后，文档的载体由纸带、磁带扩展到磁鼓、磁盘等可直接存取的存储器，存取方式也从逐条顺序查找发展为按地址随机存取，并由此产生索引文档与杂凑文档等组织方式^[2]。

20 世纪中期以后，随着计算机技术普及，出现了以数字形式生成、依赖计算机阅读处理的电子文件概念，早期多称机读文件，后逐渐改称电子文件^[12]。中国国家标准《电子文件归档与管理规范》把电子文件定义为在数字设备及环境中生成、以数码形式存于磁带磁盘光盘等载体、依赖计算机等设备阅读处理并可在通信网络上传送的文件^[13]。

在版式文档标准方面，PDF 由 Adobe 提出并成为国际通用的版式格式，其后被纳入 ISO 32000 标准^[10]。中国自 2016 年起推进自主版式文档标准：2016 年 10 月 14 日，国家标准化管理委员会批准发布国家标准 GB/T 33190-2016《电子文件存储与交换格式 版式文档》，即 OFD^[14]。此后电子公文与电子证照相关标准陆续要求采用该格式，2020 年增值税电子普通发票的版式文件也被规定为 OFD 格式^[15]。

与此同时，流式文档格式也在标准化。2024 年发布的国家标准 GB/T 44720—2024 对电子文件存储与交换格式中的流式文档作出规定，与版式文档标准共同构成文档格式标准体系^[16]。

应用

办公场景是文档最普遍的应用领域。文字处理软件生成的文档承载方案、合同与报告，企业内部多以流式文档起草与协作，定稿后转为版式文档对外签署和存档，以保证各方看到同一版面^[10]。

在政务与商务领域，版式文档被用于电子公文、电子发票、电子证照等需要固定呈现和留痕的场合，原因是版面固定、不易随意改动，并可与电子签章、数字签名技术结合^[11]。

在软件工程中，文档贯穿软件生命周期。计划阶段形成问题定义与可行性研究材料，开发前期形成软件需求说明书与设计规格说明书，开发后期形成测试报告、用户文档与安装手册，运行维护阶段还需维护记录，这些资料是开发、使用和维护的必要依据^[3]。软件文档一般分为开发文档与产品文档两大类^[9]。

在信息检索与文档管理系统中，文档是存储、分类与检索的操作对象。文档分类根据主题、类型、作者、出版年份等属性把文档归入一个或多个类别，既可人工完成，也可由算法自动完成^[9]。文档管理系统的存取以文档记录为单位，而数据库管理系统以记录中的数据项为存取单位，这一差别决定了二者在共享和利用方式上的分工^[2]。

局限

文档概念本身存在范围上的模糊。文件与文档常被混用，文档一般指记录性内容而不包括可执行文件，但在部分系统语境中，任何应用软件产生的文件都被称作文档，术语边界并不统一^[5]。档案管理中区分文件与文档的做法，也说明同一份数字对象在不同管理阶段可能有不同称谓^[6]。

流式文档在不同软件版本和设备上打开时可能发生版面变化与内容重排，影响呈现的一致性；版式文档虽能固定版面，但直接编辑能力有限，修改往往需回到源文件重新生成，复杂文档在格式转换后还需人工核对字体、表格与图片^[10]。

电子文档在真实性与长期可用性上也面临限制。电子文件容易被修改且不留明显痕迹，其真实性保障需要依赖技术措施与管理流程；存储载体损坏、数据丢失、格式过时等问题，也会影响文档的长期可读^[12]。版式文档标准之所以强调永久可读与格式开放，正是针对这一问题^[14]。

参见

• 文件系统 —— 组织和管理计算机文件与目录的系统软件，文档最终以文件形式存放其中。

• 电子文件 —— 在数字环境中生成、依赖计算机阅读处理并可在网络上传输的文件。

• 版式文档 —— 版面在生成时固定、跨设备呈现一致的文档类型。

• 流式文档 —— 内容按逻辑顺序存储、版面随环境重排的文档类型。

• 文档管理系统 —— 以文档记录为存取单位，对文档进行存储、分类与检索的信息系统。

• 软件文档 —— 描述软件设计、开发、测试与使用方法的资料，是软件工程过程的产物。