DOCX til TXT-konverter
Skær et Word-dokument ned til selve teksten. Konverteren skriver en ren .txt-fil med den tegnkodning og de linjeskift, dit næste program forventer, klar til søgeværktøjer, oversættelsesprogrammer, scripts eller et chatvindue.
Dokumentkonverter
eller slip PDF, DOC, DOCX …-filer her ·
Maks. 95 MB pr. fil· Op til 20 filer· Slettes efter 30 minutter
Filer behandles på vores servere og slettes efter 30 minutter.
150 DPI gør en A4-side til ca. 1240 × 1754 px. Brug 300 til udskrivning.
Konvertér hele filen eller kun nogle sider eller slides (PDF- og præsentationsinput).
Sider eller slides, der skal konverteres, f.eks. 1-3, 5, 8-10.
UTF-8 fungerer til alle sprog. Vælg UTF-8 med BOM, hvis Excel eller Notepad på Windows viser forkerte tegn; ældre kodninger kun til gammelt software.
LF til macOS, Linux og kodeeditorer; CRLF til ældre Windows-programmer som det klassiske Notepad.
Komma er standard. Brug semikolon til Excel i lande, hvor decimaler skrives med komma (Danmark, Tyskland, Frankrig, Brasilien).
Excel-input med flere ark: konvertér alle (ét afsnit eller én fil pr. ark) eller kun det første.
Sådan bruger du værktøjet
- 1
Upload dine DOCX-filer
Slip ét dokument eller op til 20 ad gangen, hver op til 95 MB. Ældre .doc-, .docm- og .dotx-filer accepteres også.
- 2
Vælg tegnkodning og linjeskift
Konvertér til er Almindelig tekst med Formatering sat til Kun tekst. Under Avancerede indstillinger bør du lade Tekstkodning stå på UTF-8, medmindre et gammelt program kræver en kodetabel, og vælge CRLF under Linjeskift til klassiske Windows-værktøjer.
- 3
Konvertér til TXT
Tryk på Konvertér til Almindelig tekst og download én .txt pr. dokument, eller dem alle samlet i en ZIP.
Upload Word-filen, lad Formatering stå på Kun tekst, og tryk på Konvertér til Almindelig tekst for at få en .txt med hvert ord, i UTF-8, medmindre du vælger en anden kodning.
Hvorfor trække ren tekst ud af et Word-dokument
En DOCX-fil er et ZIP-arkiv med XML-dele. Ordene ligger i word/document.xml, pakket ind i run- og afsnitstags, ved siden af typografier, nummereringsdefinitioner, billeder og relationer. Programmer, der kun vil have teksten, skal først pakke alt det ud, og mange afviser simpelthen filen.
Dér hjælper almindelig tekst. Forskere, der indlæser interviews i et tekstanalyseværktøj, oversættere, der giver tilbud efter tegnantal, udviklere, der sender dokumenter til et script, og redaktører, der indsætter tekst i et indholdssystem, har alle brug for ordene uden indpakningen. Word kan gøre det én fil ad gangen via Gem som og dialogen for filkonvertering; konverteren gør det samme for en hel stak og lader dig vælge kodning én gang.
Tekst fra andre kilder går samme vej: HTML til TXT renser gemte websider, og præsentationer har deres egen vej.
Vælg tegnkodning og linjeskift til din TXT-fil
Standarden og det rigtige valg til næsten alt. Den dækker alle skriftsystemer, fra latinske bogstaver med accenter til hangul og emojis, og det er den, webværktøjer, Git, Python og moderne editorer forventer.
- Windows Notepad har gemt UTF-8 uden BOM som standard siden Windows 10 version 1903
- Kombinér med LF-linjeskift til macOS, Linux og kode
UTF-8 plus tre markørbytes i starten af filen. Brug den, når et Windows-program viser bogstaver med accent som é eller lignende volapyk.
- Nogle Unix-værktøjer udskriver BOM som et vildfarent tegn
- Kombinér med CRLF til klassisk Windows-software
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 og EUC-KR findes til software skrevet før Unicode. Tegn uden for den valgte kodetabel kan ikke gemmes.
- Vælg kun en, hvis et program angiver, at det kræver den
- plus .docm og .dotx
- .docx .doc
- tekstkodninger at vælge imellem
- 8
- typer af linjeskift
- LF / CRLF
- før filerne slettes
- 30 min
DOCX
Microsoft Word-dokument
DOCX har været Microsoft Words standarddokumentformat siden Office 2007 og bygger på standarden Office Open XML (ECMA-376, ISO/IEC 29500). Det er en ZIP-pakke med XML-filer, der indeholder tekst, typografier, billeder, tabeller, kommentarer og sporede ændringer. Det er det mest almindelige format til redigerbare dokumenter på kontorer, i skoler og ved jobansøgninger. Layoutet kan flytte sig lidt mellem Word, Google Docs, LibreOffice og Pages, især ved kompleks formatering. De fleste tekstbehandlingsprogrammer åbner DOCX-filer.
- Komprimering
- –
- Gennemsigtighed
- –
- Animation
- –
- Introduceret
- 2007 · Microsoft
TXT
Almindelig tekst
En TXT-fil indeholder kun almindelige tegn uden formatering, skrifttyper, billeder eller layout. Moderne tekstfiler er som regel kodet i UTF-8, som dækker alle sprog, mens ældre filer kan bruge andre kodninger og vise forvrængede tegn. Almindelig tekst fylder næsten ingenting, bliver aldrig forældet og åbner på alle enheder, fra telefoner til servere. Den kan ikke indeholde fed tekst, tabeller eller billeder, så struktur må udtrykkes med mellemrum eller enkel markup.
- Komprimering
- –
- Gennemsigtighed
- –
- Animation
- –
- Introduceret
- –
DOCX reduceres til TXT, når kun ordene har betydning for næste trin: et korpus eller søgeindeks, et oversættertilbud efter tegnantal, et script, der læser linjer, eller et formularfelt, der afviser alt andet end ren tekst.
Hvad en TXT-fil udelader fra din DOCX
- Almindelig tekstTXT · text/plain
- En fil med kun tegn og linjeskift, uden skrifttyper, størrelser, farver, billeder eller sidelayout. Dens betydning afhænger helt af den kodning, der bruges til at omsætte bytes til tegn igen.
Alt visuelt forsvinder: fed, kursiv, skrifttyper, sideskift, sidehoveder, kolonner, billeder og diagrammer. Nummererede lister og punktlister beholder deres ord, og afsnit beholder rækkefølgen og adskilles af linjeskift. Billeder kan stadig gemmes som filer ved siden af teksten, hvis du slår Medtag billeder til, så pakkes de sammen med TXT-filen i en ZIP.
Spørgsmål om DOCX til TXT
Kommer slettet tekst fra registrerede ændringer med i tekstfilen?
Nej. Når Medtag kommentarer er slået fra, får du dokumentet, som det læses, når alle ændringer er godkendt: indsatte tekster er med, slettede er væk, og kommentarbobler er udeladt. Slå indstillingen til, hvis du vil have korrekturlæsernes kommentarer skrevet ind i teksten.
Hvad sker der med tabeller i Word-dokumentet?
Hver tabelrække bliver til en tekstlinje med cellernes indhold i læserækkefølge. Så bevares hvert ord, men gitteret går tabt, så et dokument, der hovedsageligt består af tabeller, egner sig bedre til DOCX til HTML, som beholder dem som rigtige tabeller.
Hvilken tegnkodning skal jeg vælge til et ældre Windows-program?
Prøv først UTF-8 med BOM; de tre markørbytes fortæller mange Windows-programmer, at filen er UTF-8. Hvis programmet er ældre end Unicode, kan du vælge Windows-1252 til vesteuropæisk tekst, Shift_JIS til japansk, GB18030 til kinesisk eller EUC-KR til koreansk.
Hvorfor konvertere til TXT, før jeg indsætter teksten i en AI-assistent eller et oversættelsesværktøj?
Kopiering fra Word kan medbringe skjult formatering, typografiske citationstegn, bløde bindestreger og usynlige feltkoder sammen med ordene. En ren tekstfil giver værktøjet præcis de tegn, der står på siden, og tegnantallet svarer til det, et oversættertilbud eller en tokengrænse vil se.
Kan overskrifter bevares markeret på en eller anden måde?
Almindelig tekst har ingen overskrifter, kun linjer. Hvis overskrifter skal kunne genkendes, så konvertér til Markdown i stedet; DOCX til Markdown skriver dem som #-linjer, der stadig læses naturligt som tekst.