تبدیل DOCX به TXT
از سند ورد فقط کلمات آن را نگه دارید. این مبدل یک فایل .txt تمیز با همان کدگذاری و نوع پایان خطی می‌سازد که برنامهٔ بعدی شما انتظار دارد؛ آماده برای ابزارهای جست‌وجو، نرم‌افزارهای ترجمه، اسکریپت‌ها یا پنجرهٔ گفت‌وگو.
مبدل سند
یا فایل‌های PDF, DOC, DOCX … را اینجا رها کنید ·
حداکثر 95 MB برای هر فایل· تا 20 فایل· حذف پس از 30 دقیقه
فایل‌ها روی سرورهای ما پردازش میشوند و پس از 30 دقیقه حذف میشوند.
150 DPI یک صفحه A4 را تقریباً به 1240 × 1754 px تبدیل می‌کند. برای چاپ از 300 استفاده کنید.
کل فایل یا فقط برخی صفحه‌ها یا اسلایدها را تبدیل کنید (برای ورودی PDF و ارائه).
صفحه‌ها یا اسلایدهای موردنظر برای تبدیل، مثلاً 1-3, 5, 8-10.
UTF-8 برای همه زبان‌ها کار می‌کند. اگر Excel یا Notepad در ویندوز نویسه‌ها را خراب نشان میدهد، UTF-8 با BOM را انتخاب کنید؛ کدگذاری‌های قدیمی فقط برای نرم‌افزارهای قدیمی است.
LF برای macOS، Linux و ویرایشگرهای کد؛ CRLF برای برنامه‌های قدیمی‌تر ویندوز مانند Notepad کلاسیک.
ویرگول حالت استاندارد است. برای Excel در کشورهایی که اعشار را با ویرگول مینویسند (آلمان، فرانسه، برزیل) از نقطهویرگول استفاده کنید.
ورودی Excel با چند برگه: همه را تبدیل کنید (برای هر برگه یک بخش یا فایل) یا فقط برگه اول را.
نحوه استفاده از این ابزار
- 1
فایل‌های DOCX خود را بارگذاری کنید
یک سند یا حداکثر ۲۰ سند را بیندازید که هر کدام تا 95 MB باشد. فایل‌های قدیمی‌تر با پسوند .doc، .docm و .dotx هم پذیرفته میشوند.
- 2
کدگذاری و نوع پایان خط را انتخاب کنید
گزینهٔ تبدیل به را روی متن ساده بگذارید و قالببندی را روی فقط متن نگه دارید. در تنظیمات پیشرفته، رمزگذاری متن را روی UTF-8 بگذارید، مگر اینکه برنامه‌ای قدیمی به یک code page نیاز داشته باشد، و برای ابزارهای کلاسیک ویندوز در پایان خطوط گزینهٔ CRLF را انتخاب کنید.
- 3
به TXT تبدیل کنید
روی تبدیل به متن ساده ← بزنید و برای هر سند یک فایل .txt دانلود کنید، یا همهٔ آنها را یکجا در یک ZIP بگیرید.
فایل Word را بارگذاری کنید، قالببندی را روی فقط متن بگذارید و تبدیل به متن ساده ← را بزنید تا فایل .txt با همهٔ کلمات به‌دست آید؛ با UTF-8، مگر اینکه رمزگذاری دیگری انتخاب کنید.
چرا متن ساده را از سند ورد بیرون بکشیم
فایل DOCX یک آرشیو ZIP از بخش‌های XML است. کلمات در word/document.xml و میان برچسب‌های run و پاراگراف قرار دارند، کنار شیوه‌نامه‌ها، تعریف‌های شماره‌گذاری، تصاویر و ارتباط‌ها. برنامه‌هایی که فقط متن می‌خواهند باید ابتدا همهٔ این‌ها را باز کنند و بسیاری از آنها فایل را اصلاً نمی‌پذیرند.
اینجا متن ساده کمک می‌کند. پژوهشگری که مصاحبه‌ها را وارد ابزار تحلیل متن می‌کند، مترجمی که با شمارش نویسه قیمت میدهد، برنامه‌نویسی که سند را به اسکریپت میدهد و ویراستاری که متن را در سامانهٔ محتوا می‌چسباند، همه کلمات را بدون پوشش اضافی می‌خواهند. Word می‌تواند این کار را برای هر فایل از راه Save As و پنجرهٔ File Conversion انجام دهد؛ مبدل همین کار را برای یک دسته انجام میدهد و رمزگذاری را یک بار تنظیم می‌کنید.
متن از منابع دیگر هم به همین شکل تبدیل میشود: HTML to TXT صفحه‌های وب ذخیره‌شده را پاک‌سازی می‌کند و برای اسلایدها مسیر جداگانه‌ای وجود دارد.
انتخاب کدگذاری و نوع پایان خط برای فایل TXT
پیش‌فرض و انتخاب درست برای تقریباً همه‌چیز. همهٔ خط‌ها را پوشش میدهد، از لاتین دارای تکیه تا هانگول و ایموجی، و ابزارهای وب، Git، Python و ویرایشگرهای امروزی همین را انتظار دارند.
- Notepad ویندوز از Windows 10 نسخهٔ 1903 به‌طور پیش‌فرض UTF-8 را بدون BOM ذخیره می‌کند
- برای macOS، لینوکس و کد با پایان خط LF هماهنگ کنید
UTF-8 به‌علاوهٔ سه بایت نشانه در ابتدای فایل. وقتی برنامهٔ ویندوزی حروف دارای تکیه را بهصورت é یا نویسههای درهم نشان میدهد از آن استفاده کنید.
- برخی ابزارهای یونیکس BOM را بهصورت یک نویسهٔ اضافی چاپ می‌کنند
- برای نرمافزار کلاسیک ویندوز با CRLF هماهنگ کنید
Windows-1252، ISO-8859-1، Shift_JIS، GB18030 و EUC-KR برای نرم‌افزارهای پیش از یونیکد وجود دارند. نویسههای خارج از code page انتخابشده را نمیتوان ذخیره کرد.
- فقط وقتی یکی را انتخاب کنید که برنامه صراحتاً به آن نیاز داشته باشد
- به‌علاوهٔ .docm و .dotx
- .docx .doc
- رمزگذاری متن قابل انتخاب
- 8
- سبک پایان خط
- LF / CRLF
- تا حذف فایل‌ها
- 30 دقیقه
DOCX
سند Microsoft Word
DOCX قالب پیش‌فرض سند Microsoft Word از Office 2007 است و بر استاندارد Office Open XML (ECMA-376، ISO/IEC 29500) استوار است. بسته‌ای ZIP از فایل‌های XML است که متن، سبک‌ها، تصاویر، جدولها، نظرها و تغییرات ردیابی‌شده را نگه میدارد. رایج‌ترین قالب برای اسناد قابل ویرایش در ادارات، مدارس و درخواست‌های شغلی است. صفحه‌آرایی ممکن است بین Word، Google Docs، LibreOffice و Pages کمی جابه‌جا شود، به‌ویژه با قالببندی پیچیده. بیشتر واژه‌پردازها فایل‌های DOCX را باز می‌کنند.
- فشرده‌سازی
- –
- شفافیت
- –
- انیمیشن
- –
- سال معرفی
- 2007 · Microsoft
TXT
متن ساده
فایل TXT فقط نویسههای ساده دارد، بدون قالببندی، فونت، تصویر یا چیدمان. فایل‌های متنی امروزی معمولاً با UTF-8 کدگذاری میشوند که همه زبان‌ها را پوشش میدهد، اما فایل‌های قدیمی‌تر ممکن است کدگذاری دیگری داشته باشند و نویسههای نامفهوم نشان دهند. متن ساده بسیار کم‌حجم است، هرگز منسوخ نمی‌شود و روی هر دستگاهی از گوشی تا سرور باز میشود. نمی‌تواند متن پررنگ، جدول یا تصویر داشته باشد، پس ساختار باید با فاصله‌گذاری یا نشانه‌گذاری ساده بیان شود.
- فشرده‌سازی
- –
- شفافیت
- –
- انیمیشن
- –
- سال معرفی
- –
DOCX وقتی به TXT کاهش می‌یابد که برای مرحلهٔ بعد فقط کلمات مهم باشند: پیکره یا نمایهٔ جست‌وجو، استعلام ترجمه که نویسه می‌شمارد، اسکریپتی که خطوط را تجزیه می‌کند، یا فیلد فرمی که جز متن ساده را نمی‌پذیرد.
فایل TXT چه چیزهایی از DOCX شما را حذف می‌کند
- متن سادهTXT · text/plain
- فایلی که فقط نویسه و شکست خط دارد، بدون فونت، اندازه، رنگ، تصویر یا چیدمان صفحه. معنای آن کاملاً به رمزگذاری‌ای بستگی دارد که بایت‌ها را به نویسه برمی‌گرداند.
هر چیز بصری حذف میشود: پررنگ، مورب، فونت‌ها، شکست صفحه، سربرگ‌ها، ستون‌ها، تصاویر و نمودارها. فهرست‌های شماره‌دار و نقطه‌ای کلماتشان را نگه می‌دارند و پاراگراف‌ها به ترتیب و با شکست خط از هم جدا میمانند. با روشن کردن شامل تصاویر می‌توانید تصاویر را هم بهصورت فایل کنار متن نگه دارید که همراه TXT در یک ZIP بسته‌بندی میشوند.
پرسش‌های رایج تبدیل DOCX به TXT
آیا فایل متنی، متن حذفشده در ردیابی تغییرات را هم دارد؟
خیر. وقتی شامل یادداشتها خاموش باشد، سند همانطور که پس از پذیرفتن همهٔ تغییرات دیده میشود تبدیل میشود: افزودهها میمانند، حذفها از بین میروند و بالنهای یادداشت کنار گذاشته میشوند. این گزینه را فقط وقتی روشن کنید که میخواهید یادداشتهای بازبینها در متن نوشته شود.
جدولهای سند ورد چه میشوند؟
هر ردیف جدول به یک خط متن تبدیل میشود که محتوای خانهها به ترتیب خوانش در آن آمده است. همهٔ کلمات حفظ میشوند اما شبکهٔ جدول از بین میرود، پس برای سندی که بیشتر از جدول ساخته شده DOCX to HTML مناسبتر است که جدولها را بهصورت جدول واقعی نگه میدارد.
برای یک برنامهٔ قدیمی ویندوز کدام کدگذاری را انتخاب کنم؟
ابتدا UTF-8 with BOM را امتحان کنید؛ این سه بایت نشانه به بسیاری از برنامه‌های ویندوز می‌فهماند که فایل UTF-8 است. اگر برنامه قدیمی‌تر از یونیکد است، برای متن اروپای غربی Windows-1252، برای ژاپنی Shift_JIS، برای چینی GB18030 و برای کره‌ای EUC-KR را انتخاب کنید.
چرا پیش از چسباندن متن در دستیار هوش مصنوعی یا ابزار ترجمه، آن را به TXT تبدیل کنم؟
کپی از Word ممکن است همراه کلمات، قالببندی پنهان، نقلقولهای هوشمند، خطتیرهٔ نرم و کدهای فیلد نامرئی را هم بیاورد. فایل متن ساده دقیقاً همان نویسههای صفحه را به ابزار میدهد و تعداد نویسههایش با چیزی که استعلام ترجمه یا محدودیت توکن میبیند یکی است.
آیا میتوان سرفصلها را به نحوی مشخص نگه داشت؟
متن ساده سرفصل ندارد، فقط خط دارد. اگر میخواهید سرفصلها قابل تشخیص بمانند، به Markdown تبدیل کنید؛ DOCX to Markdown آنها را بهصورت خطوط # مینویسد که در قالب متن هم طبیعی خوانده میشوند.