Convertir DOCX a TXT
Deje un documento de Word solo en sus palabras. El convertidor genera un archivo .txt limpio con la codificación y el tipo de final de línea que espera el siguiente programa, listo para buscadores, software de traducción, scripts o una ventana de chat.
Convertidor de documentos
o suelte aquí archivos PDF, DOC, DOCX … ·
Máx. 95 MB por archivo· Hasta 20 archivos· Se borran a los 30 minutos
Los archivos se procesan en nuestros servidores y se borran a los 30 minutos.
A 150 DPI una página A4 queda en unos 1240 × 1754 px. Use 300 para imprimir.
Convierte el archivo completo o solo algunas páginas o diapositivas (entrada PDF y de presentaciones).
Páginas o diapositivas que se convierten, p. ej., 1-3, 5, 8-10.
UTF-8 funciona con cualquier idioma. Elija UTF-8 con BOM si Excel o el Bloc de notas de Windows muestran caracteres ilegibles; las codificaciones heredadas, solo para software antiguo.
LF para macOS, Linux y editores de código; CRLF para programas antiguos de Windows, como el Bloc de notas clásico.
La coma es el estándar. Use punto y coma para Excel en países que escriben los decimales con coma (Alemania, Francia, Brasil).
Entrada de Excel con varias hojas: convierte todas (una sección o un archivo por hoja) o solo la primera.
Cómo usar esta herramienta
- 1
Suba sus archivos DOCX
Suelte un documento o un lote de hasta 20, de hasta 95 MB cada uno. También se aceptan archivos .doc, .docm y .dotx más antiguos.
- 2
Elija codificación y finales de línea
Convertir a está en Texto sin formato y Formato en Solo texto. En Opciones avanzadas, deje Codificación de texto en UTF-8 salvo que un programa antiguo necesite una página de códigos, y elija CRLF en Finales de línea para herramientas clásicas de Windows.
- 3
Convierta a TXT
Pulse Convertir a Texto sin formato y descargue un .txt por documento, o todos juntos en un ZIP.
Suba el archivo de Word, deje Formato en Solo texto y pulse Convertir a Texto sin formato para obtener un .txt con todas las palabras, en UTF-8 salvo que elija otra codificación.
Por qué sacar texto plano de un documento de Word
Un archivo DOCX es un archivo ZIP con partes XML. Las palabras están en word/document.xml, envueltas en etiquetas de párrafo y de fragmento, junto a hojas de estilo, definiciones de numeración, imágenes y relaciones. Los programas que solo quieren el texto tienen que desempaquetar todo eso primero, y muchos directamente rechazan el archivo.
Ahí es donde ayuda el texto plano. Investigadores que cargan entrevistas en una herramienta de análisis de texto, traductores que presupuestan por número de caracteres, desarrolladores que pasan documentos a un script y editores que pegan textos en un gestor de contenidos necesitan las palabras sin el envoltorio. Word puede hacerlo archivo por archivo con Guardar como y su cuadro de diálogo Conversión de archivos; el convertidor hace lo mismo con un lote entero y le permite fijar la codificación una sola vez.
El texto de otras fuentes sigue el mismo camino: HTML a TXT limpia páginas web guardadas, y las presentaciones de diapositivas tienen su propia ruta.
Cómo elegir la codificación y los finales de línea del TXT
La opción predeterminada y la correcta para casi todo. Cubre todas las escrituras, desde el latín con tildes hasta el hangul y los emojis, y es lo que esperan las herramientas web, Git, Python y los editores modernos.
- El Bloc de notas de Windows guarda por defecto en UTF-8 sin BOM desde Windows 10 versión 1903
- Combínelo con finales de línea LF para macOS, Linux y código
UTF-8 más tres bytes de marca al inicio del archivo. Úselo cuando un programa de Windows muestre las letras acentuadas como é o caracteres basura parecidos.
- Algunas herramientas de Unix muestran el BOM como un carácter suelto
- Combínelo con CRLF para software clásico de Windows
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 y EUC-KR existen para software escrito antes de Unicode. Los caracteres que no están en la página de códigos elegida no se pueden guardar.
- Elija una solo cuando un programa indique en su documentación que la necesita
- además de .docm y .dotx
- .docx .doc
- codificaciones de texto a elegir
- 8
- tipos de final de línea
- LF / CRLF
- hasta que se borran los archivos
- 30 min
DOCX
Documento de Microsoft Word
DOCX es el formato de documento predeterminado de Microsoft Word desde Office 2007, basado en el estándar Office Open XML (ECMA-376, ISO/IEC 29500). Es un paquete ZIP de archivos XML que contiene texto, estilos, imágenes, tablas, comentarios y control de cambios. Es el formato más común para documentos editables en oficinas, escuelas y postulaciones de empleo. El diseño puede desplazarse ligeramente entre Word, Google Docs, LibreOffice y Pages, sobre todo con formato complejo. La mayoría de los procesadores de texto abren archivos DOCX.
- Compresión
- –
- Transparencia
- –
- Animación
- –
- Presentado en
- 2007 · Microsoft
TXT
Texto plano
Un archivo TXT contiene solo caracteres simples, sin formato, fuentes, imágenes ni diseño. Los archivos de texto modernos suelen estar codificados en UTF-8, que abarca todos los idiomas, aunque los archivos antiguos pueden usar otras codificaciones y mostrar caracteres ilegibles. El texto plano ocupa muy poco, nunca queda obsoleto y se abre en cualquier dispositivo, desde teléfonos hasta servidores. No puede contener negritas, tablas ni imágenes, por lo que la estructura debe expresarse con espacios o con marcado sencillo.
- Compresión
- –
- Transparencia
- –
- Animación
- –
- Presentado en
- –
Un DOCX se reduce a TXT cuando en el siguiente paso solo importan las palabras: un corpus o un índice de búsqueda, un presupuesto de traducción que cuenta caracteres, un script que analiza líneas o un campo de formulario que solo admite texto plano.
Lo que un archivo TXT pierde de su DOCX
- Texto planoTXT · text/plain
- Un archivo que solo contiene caracteres y saltos de línea, sin fuentes, tamaños, colores, imágenes ni diseño de página. Su significado depende por completo de la codificación con la que se vuelven a convertir los bytes en caracteres.
Todo lo visual desaparece: negritas, cursivas, fuentes, saltos de página, encabezados, columnas, imágenes y gráficos. Las listas numeradas y con viñetas conservan sus palabras, y los párrafos mantienen su orden separados por saltos de línea. Las imágenes se pueden conservar como archivos aparte activando Incluir imágenes, que las empaqueta con el TXT en un ZIP.
Preguntas sobre DOCX a TXT
¿El TXT convertido desde DOCX incluye el texto eliminado del control de cambios?
No. Con Incluir comentarios desactivado obtiene el documento tal como se lee después de aceptar todos los cambios: las inserciones quedan, las eliminaciones desaparecen y los globos de comentarios se omiten. Active la opción solo si quiere que los comentarios de los revisores se escriban en el texto.
¿Qué pasa con las tablas del documento de Word al pasarlo a TXT?
Cada fila de la tabla se convierte en una línea de texto con el contenido de las celdas en orden de lectura. Así se conservan todas las palabras pero se pierde la cuadrícula, por lo que un documento hecho sobre todo de tablas sale mejor con DOCX a HTML, que las mantiene como tablas reales.
¿Qué codificación de TXT conviene para un programa antiguo de Windows?
Pruebe primero UTF-8 con BOM; los tres bytes de marca indican a muchos programas de Windows que el archivo es UTF-8. Si el programa es anterior a Unicode, elija Windows-1252 para texto de Europa occidental, Shift_JIS para japonés, GB18030 para chino o EUC-KR para coreano.
¿Por qué convertir un Word a TXT antes de pegarlo en un asistente de IA o una herramienta de traducción?
Al copiar desde Word pueden colarse, junto con las palabras, formato oculto, comillas tipográficas, guiones opcionales y códigos de campo invisibles. Un archivo de texto plano entrega a la herramienta exactamente los caracteres de la página, y su recuento de caracteres coincide con lo que verá un presupuesto de traducción o un límite de tokens.
¿Puedo conservar los títulos del DOCX marcados de alguna forma en el texto?
El texto plano no tiene títulos, solo líneas. Si necesita que los títulos sigan reconociéndose, convierta a Markdown; DOCX a Markdown los escribe como líneas con # que se siguen leyendo con naturalidad como texto.