Μετατροπή DOCX σε TXT
Κρατήστε από ένα έγγραφο Word μόνο τις λέξεις του. Ο μετατροπέας δημιουργεί ένα καθαρό αρχείο .txt με την κωδικοποίηση και τον τύπο αλλαγής γραμμής που περιμένει το επόμενο πρόγραμμα, έτοιμο για εργαλεία αναζήτησης, λογισμικό μετάφρασης, σενάρια ή ένα παράθυρο συνομιλίας.
Μετατροπέας εγγράφων
ή σύρετε Αρχεία PDF, DOC, DOCX … εδώ ·
Έως 95 MB ανά αρχείο· Έως 20 αρχεία· Διαγραφή μετά από 30 λεπτά
Τα αρχεία επεξεργάζονται στους διακομιστές μας και διαγράφονται μετά από 30 λεπτά.
Τα 150 DPI μετατρέπουν μια σελίδα A4 σε περίπου 1240 × 1754 px. Χρησιμοποιήστε 300 για εκτύπωση.
Μετατροπή ολόκληρου του αρχείου ή μόνο ορισμένων σελίδων ή διαφανειών (είσοδος PDF και παρουσίασης).
Σελίδες ή διαφάνειες προς μετατροπή, π.χ. 1-3, 5, 8-10.
Το UTF-8 λειτουργεί για κάθε γλώσσα. Επιλέξτε UTF-8 με BOM αν το Excel ή το Σημειωματάριο στα Windows εμφανίζει παραμορφωμένους χαρακτήρες· τις παλιές κωδικοποιήσεις μόνο για παλιό λογισμικό.
LF για macOS, Linux και επεξεργαστές κώδικα· CRLF για παλαιότερα προγράμματα των Windows, όπως το κλασικό Σημειωματάριο.
Το κόμμα είναι το πρότυπο. Χρησιμοποιήστε άνω τελεία για το Excel σε χώρες που γράφουν τα δεκαδικά με κόμμα (Γερμανία, Γαλλία, Βραζιλία).
Είσοδος Excel με πολλά φύλλα: μετατροπή όλων (μία ενότητα ή αρχείο ανά φύλλο) ή μόνο του πρώτου.
Πώς να χρησιμοποιήσετε αυτό το εργαλείο
- 1
Ανεβάστε τα αρχεία DOCX
Σύρετε ένα έγγραφο ή ομάδα έως 20 αρχείων, το καθένα έως 95 MB. Γίνονται δεκτά και παλαιότερα αρχεία .doc, .docm και .dotx.
- 2
Επιλέξτε κωδικοποίηση και αλλαγές γραμμής
Η επιλογή Μετατροπή σε είναι Απλό κείμενο και η Μορφοποίηση είναι Μόνο κείμενο. Στις Σύνθετες ρυθμίσεις αφήστε την Κωδικοποίηση κειμένου σε UTF-8, εκτός αν ένα παλιό πρόγραμμα χρειάζεται σελίδα κωδικών, και επιλέξτε CRLF στα Τέλη γραμμών για κλασικά εργαλεία των Windows.
- 3
Μετατροπή σε TXT
Πατήστε Μετατροπή σε Απλό κείμενο και κατεβάστε ένα .txt ανά έγγραφο ή όλα μαζί σε ZIP.
Ανεβάστε το αρχείο Word, αφήστε τη Μορφοποίηση σε Μόνο κείμενο και πατήστε Μετατροπή σε Απλό κείμενο για ένα .txt με κάθε λέξη, σε UTF-8 εκτός αν επιλέξετε άλλη κωδικοποίηση.
Γιατί να εξαγάγετε απλό κείμενο από έγγραφο Word
Ένα αρχείο DOCX είναι αρχείο ZIP με μέρη XML. Οι λέξεις βρίσκονται στο word/document.xml, μέσα σε ετικέτες runs και παραγράφων, δίπλα σε φύλλα στυλ, ορισμούς αρίθμησης, εικόνες και σχέσεις. Τα προγράμματα που θέλουν μόνο το κείμενο πρέπει πρώτα να τα αποσυσκευάσουν όλα, και πολλά απλώς απορρίπτουν το αρχείο.
Εκεί βοηθά το απλό κείμενο. Ερευνητές που φορτώνουν συνεντεύξεις σε εργαλείο ανάλυσης κειμένου, μεταφραστές που προσφέρουν τιμή ανά χαρακτήρα, προγραμματιστές που τροφοδοτούν script με έγγραφα και συντάκτες που επικολλούν κείμενο σε σύστημα περιεχομένου χρειάζονται τις λέξεις χωρίς το περιτύλιγμα. Το Word το κάνει αρχείο προς αρχείο μέσω Αποθήκευση ως και του παραθύρου μετατροπής αρχείου· ο μετατροπέας το κάνει για μια ολόκληρη ομάδα και σας αφήνει να ορίσετε την κωδικοποίηση μία φορά.
Το κείμενο από άλλες πηγές ακολουθεί την ίδια διαδρομή: το HTML σε TXT καθαρίζει αποθηκευμένες ιστοσελίδες, ενώ οι παρουσιάσεις έχουν τη δική τους διαδρομή.
Επιλογή κωδικοποίησης και αλλαγών γραμμής για το αρχείο TXT
Η προεπιλογή και η σωστή επιλογή για σχεδόν όλα. Καλύπτει κάθε γραφή, από λατινικά με τόνους έως Hangul και emoji, και είναι αυτό που περιμένουν τα εργαλεία web, το Git, η Python και οι σύγχρονοι επεξεργαστές.
- Το Σημειωματάριο των Windows αποθηκεύει από προεπιλογή UTF-8 χωρίς BOM από τα Windows 10 έκδοση 1903
- Συνδυάστε με τέλη γραμμών LF για macOS, Linux και κώδικα
UTF-8 συν τρία byte-δείκτες στην αρχή του αρχείου. Χρησιμοποιήστε το όταν ένα πρόγραμμα των Windows δείχνει τα γράμματα με τόνους ως é ή παρόμοια ακατανόητα σύμβολα.
- Ορισμένα εργαλεία Unix εμφανίζουν το BOM ως περίεργο χαρακτήρα
- Συνδυάστε με CRLF για κλασικό λογισμικό των Windows
Οι Windows-1252, ISO-8859-1, Shift_JIS, GB18030 και EUC-KR υπάρχουν για λογισμικό που γράφτηκε πριν από το Unicode. Χαρακτήρες εκτός της επιλεγμένης σελίδας κωδικών δεν μπορούν να αποθηκευτούν.
- Επιλέξτε μία μόνο όταν η τεκμηρίωση ενός προγράμματος λέει ότι τη χρειάζεται
- συν .docm και .dotx
- .docx .doc
- κωδικοποιήσεις κειμένου προς επιλογή
- 8
- στυλ τελών γραμμής
- LF / CRLF
- έως τη διαγραφή των αρχείων
- 30 λεπτά
DOCX
Έγγραφο Microsoft Word
Το DOCX είναι η προεπιλεγμένη μορφή εγγράφου του Microsoft Word από το Office 2007, βασισμένη στο πρότυπο Office Open XML (ECMA-376, ISO/IEC 29500). Είναι ένα πακέτο ZIP με αρχεία XML που περιέχουν κείμενο, στυλ, εικόνες, πίνακες, σχόλια και παρακολούθηση αλλαγών. Είναι η πιο συνηθισμένη μορφή επεξεργάσιμων εγγράφων σε γραφεία, σχολεία και αιτήσεις εργασίας. Η διάταξη μπορεί να μετατοπιστεί ελαφρά μεταξύ Word, Google Docs, LibreOffice και Pages, ειδικά με σύνθετη μορφοποίηση. Οι περισσότεροι επεξεργαστές κειμένου ανοίγουν αρχεία DOCX.
- Συμπίεση
- –
- Διαφάνεια
- –
- Κινούμενη εικόνα
- –
- Έτος εισαγωγής
- 2007 · Microsoft
TXT
Απλό κείμενο
Ένα αρχείο TXT περιέχει μόνο απλούς χαρακτήρες, χωρίς μορφοποίηση, γραμματοσειρές, εικόνες ή διάταξη. Τα σύγχρονα αρχεία κειμένου κωδικοποιούνται συνήθως σε UTF-8, που καλύπτει κάθε γλώσσα, ενώ τα παλαιότερα μπορεί να χρησιμοποιούν άλλες κωδικοποιήσεις και να εμφανίζουν παραμορφωμένους χαρακτήρες. Το απλό κείμενο είναι πολύ μικρό, δεν ξεπερνιέται ποτέ και ανοίγει σε κάθε συσκευή, από κινητά έως διακομιστές. Δεν μπορεί να περιέχει έντονο κείμενο, πίνακες ή εικόνες, οπότε η δομή πρέπει να εκφράζεται με κενά ή απλή σήμανση.
- Συμπίεση
- –
- Διαφάνεια
- –
- Κινούμενη εικόνα
- –
- Έτος εισαγωγής
- –
Το DOCX μετατρέπεται σε TXT όταν στο επόμενο βήμα μετράνε μόνο οι λέξεις: σώμα κειμένων ή ευρετήριο αναζήτησης, προσφορά μετάφρασης που μετράει χαρακτήρες, script που αναλύει γραμμές ή πεδίο φόρμας που απορρίπτει οτιδήποτε εκτός από απλό κείμενο.
Τι χάνεται από το DOCX σε ένα αρχείο TXT
- Απλό κείμενοTXT · text/plain
- Αρχείο που περιέχει μόνο χαρακτήρες και αλλαγές γραμμής, χωρίς γραμματοσειρές, μεγέθη, χρώματα, εικόνες ή διάταξη σελίδας. Το νόημά του εξαρτάται εξ ολοκλήρου από την κωδικοποίηση που μετατρέπει τα byte ξανά σε χαρακτήρες.
Φεύγουν όλα τα οπτικά στοιχεία: έντονα, πλάγια, γραμματοσειρές, αλλαγές σελίδας, κεφαλίδες, στήλες, εικόνες και γραφήματα. Οι αριθμημένες λίστες και οι λίστες με κουκκίδες κρατούν τις λέξεις τους, οι παράγραφοι κρατούν τη σειρά τους και χωρίζονται με αλλαγές γραμμής. Οι εικόνες μπορούν να διατηρηθούν ως αρχεία δίπλα στο κείμενο, ενεργοποιώντας τη Συμπερίληψη εικόνων, που τις συσκευάζει μαζί με το TXT σε ZIP.
Ερωτήσεις για τη μετατροπή DOCX σε TXT
Περιλαμβάνει το αρχείο κειμένου διαγραμμένο κείμενο από την παρακολούθηση αλλαγών;
Όχι. Με απενεργοποιημένη τη Συμπερίληψη σχολίων παίρνετε το έγγραφο όπως διαβάζεται αφού γίνουν δεκτές όλες οι αλλαγές: οι προσθήκες μένουν, οι διαγραφές φεύγουν και τα σχόλια παραλείπονται. Ενεργοποιήστε την επιλογή μόνο αν θέλετε να γραφτούν στο κείμενο τα σχόλια των αναθεωρητών.
Τι γίνεται με τους πίνακες του εγγράφου Word;
Κάθε γραμμή πίνακα γίνεται γραμμή κειμένου με τα περιεχόμενα των κελιών με τη σειρά ανάγνωσης. Έτσι διατηρείται κάθε λέξη, αλλά χάνεται το πλέγμα· για έγγραφο που αποτελείται κυρίως από πίνακες ταιριάζει καλύτερα το DOCX σε HTML, που τους κρατά ως πραγματικούς πίνακες.
Ποια κωδικοποίηση να επιλέξω για ένα παλιό πρόγραμμα των Windows;
Δοκιμάστε πρώτα UTF-8 with BOM· τα τρία byte-δείκτες δείχνουν σε πολλά προγράμματα των Windows ότι το αρχείο είναι UTF-8. Αν το πρόγραμμα είναι παλαιότερο από το Unicode, επιλέξτε Windows-1252 για δυτικοευρωπαϊκό κείμενο, Shift_JIS για ιαπωνικά, GB18030 για κινεζικά ή EUC-KR για κορεατικά.
Γιατί να μετατρέψω σε TXT πριν το επικολλήσω σε βοηθό AI ή εργαλείο μετάφρασης;
Η αντιγραφή από το Word μπορεί να μεταφέρει κρυφή μορφοποίηση, έξυπνα εισαγωγικά, μαλακές παύλες και αόρατους κωδικούς πεδίων μαζί με τις λέξεις. Ένα αρχείο απλού κειμένου δίνει στο εργαλείο ακριβώς τους χαρακτήρες της σελίδας και το πλήθος χαρακτήρων του ταιριάζει με αυτό που θα δει μια προσφορά μετάφρασης ή ένα όριο token.
Μπορώ να διατηρήσω κάποια σήμανση για τις επικεφαλίδες;
Το απλό κείμενο δεν έχει επικεφαλίδες, μόνο γραμμές. Αν θέλετε οι επικεφαλίδες να παραμείνουν αναγνωρίσιμες, μετατρέψτε σε Markdown· το DOCX σε Markdown τις γράφει ως γραμμές με # που διαβάζονται φυσικά ως κείμενο.