Převod DOCX do TXT

Q: Obsahuje textový soubor smazaný text ze sledovaných změn?

Ne. Při vypnuté volbě **Zahrnout komentáře** dostanete dokument v podobě, v jaké se čte po přijetí všech změn: vložený text zůstane, smazaný zmizí a komentáře na okraji se vynechají. Volbu zapněte, jen pokud chcete komentáře recenzentů zapsat přímo do textu.

Zbavte dokument Wordu všeho kromě textu. Převodník vytvoří čistý soubor .txt v kódování a se stylem konců řádků, které očekává váš další program – připravený pro vyhledávací nástroje, překladatelský software, skripty nebo okno chatu.

nebo sem přetáhněte soubory PDF, DOC, DOCX … ·

Max. 95 MB na soubor· Až 20 souborů· Smazáno po 30 minutách

Výstup

Převést na

Formátování

Soubory se zpracovávají na našich serverech a po 30 minutách se smažou.

Jak nástroj používat

1
Nahrajte soubory DOCX
Nahrajte jeden dokument nebo dávku až 20 souborů, každý do 95 MB. Přijímáme i starší soubory .doc, .docm a .dotx.
2
Zvolte kódování a konce řádků
V Převést na nechte Prostý text a u Formátování zvolte Pouze text. V Pokročilá nastavení ponechte Kódování textu na UTF-8, pokud starý program nevyžaduje kódovou stránku, a pro klasické nástroje Windows zvolte v Konce řádků CRLF.
3
Převeďte do TXT
Klikněte na Převést na Prostý text a stáhněte jeden soubor .txt za každý dokument, nebo všechny dohromady v archivu ZIP.

Nahrajte soubor Wordu, u Formátování nechte Pouze text a klikněte na Převést na Prostý text. Získáte soubor .txt se všemi slovy v UTF-8, pokud nezvolíte jiné kódování.

Proč získat z dokumentu Wordu prostý text

Soubor DOCX je archiv ZIP s částmi XML. Slova jsou v word/document.xml, zabalená ve značkách běhů a odstavců, vedle stylů, definic číslování, obrázků a vazeb. Programy, které chtějí jen text, musí nejprve vše rozbalit a mnohé soubor prostě odmítnou.

Tady pomůže prostý text. Výzkumníci, kteří nahrávají rozhovory do nástroje pro analýzu textu, překladatelé účtující podle počtu znaků, vývojáři posílající dokumenty skriptu i redaktoři vkládající text do redakčního systému potřebují slova bez obalu. Word to zvládne po jednom souboru přes Uložit jako a dialog převodu souboru; převodník totéž udělá s celou dávkou a kódování nastavíte jednou.

Text z jiných zdrojů jde stejnou cestou: HTML do TXT vyčistí uložené webové stránky a prezentace mají vlastní postup.

Volba kódování a konců řádků pro soubor TXT

Výchozí volba a správná téměř pro všechno. Pokrývá všechna písma, od latinky s diakritikou po hangul a emoji, a očekávají ji webové nástroje, Git, Python i moderní editory.

Poznámkový blok Windows ukládá UTF-8 bez BOM jako výchozí od Windows 10 verze 1903
Pro macOS, Linux a kód kombinujte s konci řádků LF

plus .docm a .dotx: .docx .doc
kódování textu k výběru: 8
styly konců řádků: LF / CRLF
než se soubory smažou: 30 min

DOCX

Dokument Microsoft Word

DOCX je výchozí formát dokumentů Microsoft Wordu od Office 2007, založený na standardu Office Open XML (ECMA-376, ISO/IEC 29500). Je to balíček ZIP se soubory XML, který obsahuje text, styly, obrázky, tabulky, komentáře a sledované změny. Je to nejběžnější formát upravitelných dokumentů v kancelářích, školách i při výběrových řízeních. Rozvržení se může mezi Wordem, Google Docs, LibreOffice a Pages mírně lišit, zejména u složitého formátování. DOCX otevře většina textových editorů.

Komprese: –
Průhlednost: –
Animace: –
Představeno: 2007 · Microsoft

Převodník DOCX

TXT

Prostý text

Soubor TXT obsahuje pouze prosté znaky bez formátování, písem, obrázků či rozvržení. Moderní textové soubory bývají kódované v UTF-8, které pokrývá všechny jazyky, starší soubory ale mohou používat jiná kódování a zobrazit nesmyslné znaky. Prostý text je drobný, nikdy nezastará a otevře se na každém zařízení od telefonů po servery. Neobsahuje tučné písmo, tabulky ani obrázky, takže strukturu je nutné vyjádřit mezerami nebo jednoduchým značkováním.

Komprese: –
Průhlednost: –
Animace: –
Představeno: –

Převodník TXT

DOCX se zjednodušuje na TXT, když pro další krok záleží jen na slovech: korpus nebo vyhledávací index, cenová nabídka překladu počítaná podle znaků, skript zpracovávající řádky nebo formulářové pole, které odmítne cokoli kromě prostého textu.

Co soubor TXT z vašeho DOCX vynechá

Prostý textTXT · text/plain: Soubor obsahující jen znaky a konce řádků, bez písem, velikostí, barev, obrázků a rozvržení stránky. Jeho význam zcela závisí na kódování, kterým se bajty převádějí zpět na znaky.

Zmizí vše vizuální: tučné písmo, kurzíva, fonty, konce stran, záhlaví, sloupce, obrázky i grafy. Číslované a odrážkové seznamy si slova ponechají, odstavce zůstanou ve stejném pořadí a oddělené konci řádků. Obrázky lze přesto uchovat jako soubory vedle textu zapnutím Zahrnout obrázky, které je spolu s TXT zabalí do archivu ZIP.

Otázky k převodu DOCX do TXT

Obsahuje textový soubor smazaný text ze sledovaných změn?

Ne. Při vypnuté volbě Zahrnout komentáře dostanete dokument v podobě, v jaké se čte po přijetí všech změn: vložený text zůstane, smazaný zmizí a komentáře na okraji se vynechají. Volbu zapněte, jen pokud chcete komentáře recenzentů zapsat přímo do textu.

Co se stane s tabulkami v dokumentu Wordu?

Každý řádek tabulky se změní na řádek textu s obsahem buněk v pořadí čtení. Zachová se každé slovo, ale ztratí se mřížka, takže dokumentu složenému převážně z tabulek lépe poslouží DOCX do HTML, které tabulky ponechá jako skutečné tabulky.

Jaké kódování zvolit pro starší program ve Windows?

Nejprve zkuste UTF-8 s BOM; tři značkovací bajty řeknou mnoha programům ve Windows, že jde o soubor UTF-8. Pokud je program starší než Unicode, zvolte Windows-1252 pro západoevropské texty, Shift_JIS pro japonštinu, GB18030 pro čínštinu nebo EUC-KR pro korejštinu.

Proč převést text do TXT před vložením do AI asistenta nebo překladače?

Kopírování z Wordu může spolu se slovy přenést skryté formátování, chytré uvozovky, měkké spojovníky a neviditelné kódy polí. Soubor s prostým textem dá nástroji přesně ty znaky, které jsou na stránce, a jeho počet znaků odpovídá tomu, co uvidí cenová nabídka překladu nebo limit tokenů.

Lze nějak zachovat označení nadpisů?

Prostý text nemá nadpisy, jen řádky. Pokud mají nadpisy zůstat rozpoznatelné, převeďte dokument raději do Markdownu; DOCX do Markdownu je zapíše jako řádky s # a ty se stále přirozeně čtou jako text.