Proposal WWW asli dalam file Word for Macintosh 4 dari 1990, masih bisa dibuka sekarang?

 (blog.jgc.org)
1 poin oleh GN⁺ 2024-02-14 | 1 komentar | Bagikan ke WhatsApp
  • Proposal WWW asli karya Tim Berners-Lee adalah dokumen Microsoft Word for Macintosh 4.0 berukuran 68.608 byte, dan pertanyaan utamanya adalah apakah dokumen itu bisa dibuka dengan hasil sedekat mungkin ke aslinya di lingkungan modern lalu dikonversi ke PDF
  • Microsoft Word dan Apple Pages gagal, sementara Apache OpenOffice memang bisa membukanya tetapi tidak mampu mempertahankan format dan diagram dengan baik
  • LibreOffice dapat membuka dokumen dan menampilkan diagram yang tajam, tetapi margin, ukuran font, header/footer, dan spasi berbeda dari aslinya sehingga perlu penyesuaian tambahan
  • PDF CERN dari 1998 berjumlah 20 halaman, sedangkan tata letak asli yang diperiksa di Macintosh era 1990-an dan Word melalui Infinite Mac ternyata 22 halaman pada kertas A4
  • File .odt yang disesuaikan secara manual dan PDF yang dibuat di Mac yang diemulasikan telah diunggah ke GitHub; bahkan dokumen berusia 34 tahun pun tidak mudah dibuka dan dilestarikan dengan akurat

Identitas file asli dan tujuan konversi

  • W3C menyediakan unduhan yang tampaknya merupakan file dokumen asli pada halaman original WWW proposal milik Tim Berners-Lee
  • Pada unduhan tersebut ada keterangan “I think - I can't test it”, dan secara terpisah juga tersedia versi RTF serta versi HTML yang dibuat dari file asli pada 1998
  • Perintah file di Mac mengidentifikasi dokumen asli itu sebagai file Microsoft Word for Macintosh 4.0
  • Catatan di halaman W3C juga menyebutkan bahwa dokumen ini adalah dokumen asli MacWord atau Word for Mac yang ditulis pada Maret 1989, lalu didistribusikan ulang tanpa perubahan selain penambahan tanggal Mei 1990
  • Tujuannya adalah membuka dokumen asli itu dan, jika memungkinkan, mengonversinya ke format modern seperti PDF dengan fidelitas tinggi

Hasil saat dibuka dengan perangkat lunak modern

  • Percobaan dimulai dengan Microsoft Word: ekstensi file diubah menjadi .doc, lalu file diunggah ke OneDrive untuk dibuka
  • Apple Pages juga tidak memahami file Microsoft Word for Macintosh lawas
  • Apache OpenOffice bisa membuka file tersebut, tetapi format hilang dan diagram tidak muncul
  • LibreOffice berhasil membuka file dan juga menampilkan diagram dengan tajam
    • Namun, margin tampak aneh dan masih ada masalah format lainnya

Perbedaan antara PDF CERN dan keluaran LibreOffice

  • CERN menyediakan versi PDF dari proposal tersebut
  • PDF ini tampaknya dibuat pada 1998 menggunakan Acrobat Distiller Daemon 2.1 for SunOS/Solaris(SPARC) dan terdiri dari 20 halaman
  • Versi yang diimpor ke LibreOffice berjumlah 24 halaman
  • Setelah membuat PDF dari versi LibreOffice, dokumen itu dibandingkan dengan PDF CERN melalui tampilan contact sheet di Apple Preview
    • Pada versi LibreOffice, margin kanan hilang
    • Sebagian besar isi utama tampil dalam 14pt, bukan 12pt seperti pada PDF CERN
    • Inisial TBL yang ada di header berubah menjadi footer
    • Dari posisi gambar, pemisahan halaman secara umum tampak cukup sesuai, dan masalah terbesar tampaknya adalah ukuran font
    • Pada PDF CERN ada spasi di bawah judul, sedangkan pada versi LibreOffice tidak ada

Memastikan tata letak asli lewat emulasi

  • Untuk memastikan seperti apa dokumen asli sebenarnya, Macintosh era 1990-an dijalankan di Infinite Mac, lalu dokumen asli dibuka dengan Word for Macintosh 4.0
  • Dengan cara ini, font, ukuran font, dan tata letak asli bisa diperiksa langsung
  • Hasil pemeriksaan di Mac yang diemulasikan menunjukkan bahwa dokumen asli di Mac cukup berbeda dari PDF CERN
    • PDF CERN berjumlah 20 halaman
    • Dokumen yang dijalankan di Word for Macintosh 4.0 dengan kertas A4 berjumlah 22 halaman
  • Setelah itu, targetnya bukan lagi menyamai PDF CERN, melainkan mendekati dokumen asli seperti yang terlihat di Mac

Penyesuaian manual dan hasil pelestarian

  • Agar dokumen LibreOffice lebih mendekati aslinya, berbagai bagian disesuaikan secara manual
    • Kertas diatur ke A4
    • Margin kanan dibuat sama dengan margin kiri
    • Halaman pertama memiliki gutter, footer, dan header yang berbeda sehingga disesuaikan dengan format terpisah
    • Font isi utama diubah dari 14pt dan ukuran lain menjadi 12pt
    • Teks yang terpotong keliru antarhalaman dan masalah perataan diperbaiki secara manual
    • Elemen yang berubah menjadi footer dikembalikan ke header
  • Hasil akhirnya menjadi cukup dekat dengan dokumen yang terlihat di Mac
  • Versi .odt hasil konversi diunggah ke repositori GitHub
  • Pekerjaan ini menunjukkan bahwa melestarikan dokumen lama ke format modern itu sulit, dan perangkat lunak open source dapat berguna untuk konversi semacam ini
  • Tujuan awalnya adalah mendapatkan diagram berkualitas tinggi dari proposal asli untuk digunakan dalam presentasi, tetapi prosesnya memakan waktu lebih lama dari perkiraan

PDF tambahan yang dibuat lewat Mac emulasi

  • Di komentar Hacker News, ada saran bahwa file PostScript atau PDF bisa dibuat dari Mac yang diemulasikan
  • Dengan System 7, Word tahun 1992, dan driver printer Print2PDF yang membuat file PDF, dokumen dicetak langsung dari Word for Macintosh 5.1a
  • PDF yang dihasilkan dengan cara ini juga ditambahkan ke GitHub
    • Versi ini berjumlah 20 halaman
    • Font-nya berbeda, tetapi syarat awal berupa pembuatan PDF sudah terpenuhi
  • Komentar Hacker News lainnya juga menautkan ke contoh konversi bagus ke format modern melalui versi Word lain dan berbagai penyesuaian

Bacaan terkait

1 komentar

 
GN⁺ 2024-02-14
Komentar Hacker News

  • Untuk yang berminat, saya mengunggah dokumen dalam format Word modern dengan seluruh artwork vektor dan font tetap terjaga: https://jasomill.at/proposal.docx
    Konversinya dilakukan dengan membuka dan menyimpan ulang berkas itu di Word 98[1] pada Power Mac yang diemulasikan dengan QEMU, lalu membukanya di Word for Mac 16.82 modern
    Namun gambarnya hilang, dan Word menampilkan pesan “There is not enough memory or disk space to display or print the picture.”; tampaknya ini bukan masalah RAM, melainkan karena Word tidak lagi mendukung format gambar PICT
    Gambar dipulihkan dengan membuat PDF dari Word 98 melalui fitur cetak PDF Acrobat 5.0.10, lalu mengekstrak masing-masing dari tiga gambar sebagai PDF menggunakan Adobe Illustrator modern agar font asli, vektor, ukuran, dan bounding box tetap terjaga, kemudian menyeret dan menjatuhkannya dari Finder
    Sebagai pembanding, PDF yang dibuat dari Word 98 di Power Mac melalui Acrobat ada di https://jasomill.at/proposal-Word98.pdf, dan PDF yang dibuat oleh Word modern di macOS Sonoma ada di https://jasomill.at/proposal-Word16.82.pdf
    [1] https://archive.org/details/ms-word98-special-edition

    • Saya penasaran apakah mereka mencoba mengekstrak gambar secara terpisah lalu mengonversinya langsung dengan program lain. Menurut Archive Team, LibreOffice bisa membaca berkas PICT vektor[1], dan juga bisa menyimpannya sebagai SVG
      Tentu saja jika ada teks di dalamnya, masalah font tetap ada, tetapi saya tidak terpikir soal ide mempertahankan vektor lewat PDF, dan PDF juga menangani embedding font dengan baik
      [1] http://fileformats.archiveteam.org/wiki/PICT
    • Sebagai tambahan, MacClippy 98 sudah paham situasinya: https://jasomill.at/Clippy.png
    • Profesi arkeolog digital yang dulu muncul di fiksi ilmiah sedang menjadi kenyataan
    • Saya tidak menyangka akan melihat LHC di dokumen setua ini
      Dari pencarian singkat saat bekerja, saya belum bisa memastikan kapan proyek LHC dimulai dan apakah pada 1990 proyek itu sudah relevan, tetapi fakta bahwa ini 20 tahun sebelum benar-benar beroperasi terasa jauh lebih lama dari yang saya kira

  • Pernyataan bahwa “kita bisa melihat font sebenarnya, ukuran font, dan tata letak untuk memastikan seperti apa dokumen itu seharusnya terlihat” hanya berlaku jika ada font asli
    Word 4.0 dirilis untuk System 6 dan mendukung hingga System 3.2, dan saat itu font memiliki berkas terpisah untuk layar dan printer berdasarkan resolusi keluaran
    Jika font printer tidak ada, font layar akan diperbesar dengan metode nearest-neighbor saat dicetak; jika font layar tidak ada, akan diganti dengan font sistem. Seperti di tangkapan layar, default-nya adalah Geneva
    Dalam kasus ini yang diperlukan hanya Palatino dan Courier yang terkenal, tetapi LibreOffice menggantinya dengan Times New Roman meskipun Palatino Linotype terpasang

    • Kemungkinan besar karena nama internal Palatino Linotype adalah PalatinoLinotype pada versi bundel Windows, dan PalatinoLTStd pada versi Adobe OpenType
      Tanpa pengecualian yang di-hardcode, pencocokan font berbasis prefiks umum bisa dengan mudah menghasilkan hasil yang tidak tepat. Misalnya, Lucida bisa dipetakan ke LucidaConsole, padahal dari sudut maksud penulis dokumen, hampir semua font sans-serif proporsional akan lebih baik daripada itu
      Selain itu, pencocokan nama persis pun tidak terjamin. Apple pernah mendistribusikan dua font dengan nama internal NewYork: satu adalah konversi TrueType dari desain bitmap Macintosh asli tahun 1983 karya Susan Kare, dan satu lagi adalah desain tidak terkait yang dirilis pada 2019
    • Perbedaan seperti itu memang bisa menjelaskan sebagian, tetapi yang terutama ingin dicek lewat emulasi adalah ukuran font

  • Pahlawan yang mudah diremehkan dalam kisah kecil ini adalah perintah lama file(1)
    proposal: Microsoft Word for Macintosh 4.0
    Saat penasaran sebuah berkas itu apa, hampir secara refleks saya menjalankannya, dan informasi yang dikembalikan sangat berguna karena pas—cukup untuk memuaskan rasa ingin tahu sekaligus tetap praktis

    • Setuju. file adalah alat yang hebat
      Dulu saat duduk di depan komputer kerja Windows dan tidak bisa memakai alat ini dengan mudah, saya berkali-kali mengumpat. Belakangan WSL membuatnya lebih nyaman, dan sekarang untungnya saya hampir tidak memakai Windows lagi

  • LibreOffice bisa langsung membuka berkas ini. Dukungan terhadap format dokumen lama memang sangat bagus, jadi saya terus memasangnya untuk kebutuhan seperti ini: https://imgur.com/a/JENgq6V
    Meski begitu, saya juga suka memakai emulator BasiliskII dan InfiniteMac

    • Teks aslinya juga mengatakan LibreOffice bisa membukanya, tetapi sekaligus menyebut “marginnya aneh dan ada masalah pemformatan lain”
      Dari tangkapan layar, masalah itu juga tampak terlihat, dan dukungan sejauh ini untuk format proprietary setua itu memang cukup bagus, tetapi dengan masalah seperti itu agak sulit menyebutnya “sangat bagus”
    • QEMU juga layak dicoba. Versi terbaru sudah bagus dalam mengemulasikan Power Mac, sehingga bisa menjalankan versi PowerPC terbaru dari classic Mac OS, yaitu 9.2.2, sekaligus Mac OS X 10.5
    • Saat itu StarOffice juga sudah ada
      Saya jadi penasaran apakah kode parsing format pihak ketiga dari awal 1990-an masih tersisa di LibreOffice saat ini, atau apakah yang sebenarnya bekerja adalah kode kompatibilitas/konversi yang dibuat lewat reverse engineering terhadap versi Word yang jauh lebih baru

  • Sebagai contoh yang menunjukkan kompatibilitas mundur Microsoft, di Word 2401 versi Windows file ini sebagian besar terbuka dengan baik, dan tata letaknya juga tampak sama dengan PDF di artikel tersebut
    Secara default format file memang diblokir, tetapi mudah untuk mengizinkannya
    Namun karena tidak ada filter grafis untuk format Microsoft Word Picture, gambarnya tidak terbuka. Sepertinya sudah dihentikan cukup lama lalu, tetapi Word 2003 tampaknya bisa membukanya, dan format itu juga tidak begitu tua sampai tidak bisa dijalankan di sistem modern

    • Setelah mencoba memasang Word 2003, dokumen langsung terbuka sempurna dengan pengaturan bawaan apa adanya
      Setelah disimpan dari sana, file dikonversi menjadi .doc modern dan bisa dibuka di Office 365 untuk dikonversi ke PDF dan lainnya
      Pelajarannya adalah tim Windows Office tampaknya meluangkan sedikit lebih banyak waktu untuk kompatibilitas mundur

  • Menurut saya, perusahaan seperti Microsoft seharusnya menganggap penting kemampuan untuk membuka dokumen yang dibuat oleh semua versi Microsoft Word, setua apa pun dokumen itu
    Saya pikir ada tanggung jawab sosial, historis, dan ekonomi di sana
    Jika khawatir soal kerentanan pada kode parsing lama, pindahkan saja ke proses eksternal dan jalankan dalam isolasi sandbox agar langsung menghasilkan versi baru yang bisa dibaca. Fitur ini sendiri tidak boleh dihapus
    Koreksi: karena saya tahu desktop Word membuka file ini dengan baik, dan hanya versi web yang tidak bisa, tulisan ini boleh dianggap tidak berlaku
    Koreksi 2: Dokumennya terbuka, tetapi tampaknya tidak bisa menampilkan atau mencetak grafik yang disertakan

    • Banyak format lama sebenarnya merupakan dump biner memori, atau tidak jauh berbeda dari itu
      Mendokumentasikan format juga bukan standar. Saya setuju bahwa ada tanggung jawab sosial, tetapi dari sudut pandang pernah bekerja di pengarsipan digital, masa lalu itu benar-benar, benar-benar berantakan. Serius
    • Tidak perlu mundur sampai 1990 pun, mudah menemukan kasus aplikasi Microsoft modern, terutama aplikasi cloud, bermasalah saat membuka dokumen yang dibuat oleh versi sebelumnya
    • Saya murni penasaran apakah ada perusahaan yang punya reputasi lebih baik daripada Microsoft dalam kompatibilitas mundur perangkat lunak komersial
    • Format file lama punya kerentanan keamanan. Word versi online pada dasarnya dirancang khusus docx, dan hanya bisa membuka sebagian dokumen biner
    • Saya melewatkan fakta bahwa Word yang sebenarnya membuka file ini dengan baik. Yang bermasalah hanya versi web yang seperti mainan, dan Mac mungkin juga begitu, tetapi itu perkara terpisah

  • Jika ingin tahu persis seperti apa hasil cetakan saat itu, di emulator yang menjalankan Word for Mac 4.0 seharusnya bisa dipasang antrean cetak yang membuat file PostScript
    File .ps itu bisa dikonversi ke PDF
    Atau, jika Acrobat tersedia bahkan di OS setua itu, mungkin bisa langsung membuat PDF lewat driver printer virtual

    • https://web.mit.edu/ghostscript/www/Ps2pdf.htm
      Jika ingin menyesuaikan lebih banyak sendiri, silakan masuk ke perairan dalam Ghostscript :)
      https://www.ghostscript.com
    • Saya masih punya Mac yang menjalankan Word 5.1a, dan secara pribadi saya menganggapnya sebagai versi Word terakhir yang saya perlukan
      Saya ingat pernah membuka file Word 4.0 juga
    • Saran bagus. Saya baru saja membuat PDF dari Word dengan Print2PDF dan akan memperbarui blog

  • LibreOffice itu mengejutkan. Bukan hanya bisa membuka banyak format dokumen, tetapi juga bisa menjalankan mode headless dan opsi baris perintah untuk mengotomatiskan pekerjaan seperti konversi format
    Pekerjaan semacam ini sering kali sulit dilakukan dengan cara lain
    https://help.libreoffice.org/latest/en-US/text/shared/guide/start_parameters.html
    https://opensource.com/article/21/3/libreoffice-command-line

  • Ada masalah potensial yang sering diremehkan perusahaan. Sebagian perusahaan memiliki backup dengan retensi tanpa batas
    Backup dengan retensi 10 tahun itu umum, dan ada juga yang menyimpan 20 tahun karena alasan hukum, tetapi kebanyakan tidak memahami perbedaan antara “bisa dibaca” dan “bisa digunakan”
    Tergantung datanya, ada juga perusahaan yang mencadangkan seluruh mesin virtual tanpa batas waktu dan percaya nantinya bisa dijalankan. Memulihkan mesin vSphere 5.x ke vSphere 8 terbaru saja sudah cukup sulit, jadi saya tidak begitu memahami pemborosan ruang seperti ini

    • Jika semuanya dicadangkan, nanti bisa dibereskan, dan pada akhirnya tidak perlu dibereskan. Di Google Cloud, biaya penyimpanan 1TB adalah 1 dolar per bulan
      Dengan harga ini, tidak ada gunanya dibereskan. Seorang DevOps saja biayanya lebih dari 100 dolar per jam, belum termasuk biaya peluang karena melakukan pekerjaan beres-beres yang membosankan alih-alih hal yang lebih produktif
      Setelah perusahaan diakuisisi atau cukup banyak waktu berlalu, data bisa dihapus atau dibuang tanpa dibereskan
      Mesin virtual pun, misalnya jika berupa VMDK, disk mentahnya bisa dibaca tanpa melakukan boot. Tidak sepadan mengambil risiko kehilangan data demi menghemat 10 dolar per bulan, dan jumlah itu kira-kira sama dengan satu gelas bir tambahan yang diminum seorang developer di acara tim
    • File lama atau image disk sering kali kecil dibandingkan ukuran file modern
      Jadi ini lebih dekat ke pemborosan manajemen daripada pemborosan ruang

  • Ini peringatan yang bagus tentang betapa cepatnya format menjadi usang, terutama betapa berbahayanya format tertutup
    Untuk dokumen yang perlu disimpan jangka panjang, gunakan Markdown, teks polos, dan PNG
    Bahkan jika format seperti ini hilang, mengimplementasikan ulang parser sendiri seharusnya mudah

    • Mengimplementasikan parser Markdown sama sekali tidak sederhana
      Mudah membuat parser yang berperilaku seperti parser Markdown untuk kasus-kasus sederhana sehingga orang mengira itu benar-benar melakukan parsing, tetapi parser sungguhan berbeda
      Meski begitu, data Markdown kemungkinan besar bisa dipulihkan. Jika datanya dibuat sendiri, HTML mungkin bisa lebih aman
    • Masalah Markdown adalah ketika diubah menjadi sekumpulan halaman berformat, hasilnya berbeda tergantung versi konverter
      HTML juga mirip, dan teks polos sampai batas tertentu juga begitu. PDF seharusnya tetap persis sama selamanya, tetapi sejauh yang saya tahu, di antara format dokumen yang bisa diedit, hanya TeX/LaTeX yang benar-benar mempertahankan format yang sama meski perangkat lunaknya diperbarui
      Bahkan, di LaTeX, jika dokumen input yang sama tidak menghasilkan tata letak yang persis sama dengan versi sebelumnya, itu secara resmi dianggap bug
    • Karena alasan ini, menurut saya dokumentasi protokol dan format file sebaiknya ditulis dalam teks ASCII murni sebisa mungkin
      Ini terutama menjadi masalah jika dokumentasi untuk format atau protokol yang lebih kompleks harus ditulis menggunakan format atau protokol itu sendiri
      Ada juga wiki Just Solve The File Format Problem. Saya juga pernah menambahkan konten di sana; wiki itu memakai HTML dan tidak memiliki spesifikasi lengkap untuk semua format file, sebagian hanya tautan ke file eksternal, tetapi tetap membantu untuk mencari informasi format file
    • Bukankah Markdown juga teks polos? Saya tidak mengatakan itu tidak direkomendasikan
    • Sejak mulai mengurangi penyimpanan hardcopy kertas, secara sosial kita seharusnya lebih serius memikirkan pelestarian digital
      Katanya, orang yang tidak memahami sejarah akan mengulangi kesalahan yang sama. Tetapi jika dokumen kita tidak bisa dibaca oleh generasi mendatang atau hilang, bagaimana mereka bisa belajar dari kesalahan kita?