DOCX TXT-be konvertálás
Egy Word-dokumentumból csak a szöveg marad meg. Az átalakító tiszta .txt fájlt készít, olyan kódolással és sorvégekkel, amilyet a következő program vár. A fájlt rögtön használhatja keresőeszközökben, fordítószoftverekben, szkriptekben vagy egy csevegőablakban.
Dokumentumkonvertáló
vagy húzza ide a(z) PDF, DOC, DOCX … fájlok fájlokat ·
Legfeljebb 95 MB fájlonként· Legfeljebb 20 fájl· Törlés 30 perc után
A fájlokat szervereinken dolgozzuk fel, és 30 perc után töröljük.
150 DPI-nél egy A4-es oldal körülbelül 1240 × 1754 px lesz. Nyomtatáshoz használjon 300-at.
A teljes fájlt vagy csak néhány oldalt, illetve diát alakítja át (PDF- és prezentációbemenet esetén).
Az átalakítandó oldalak vagy diák, pl. 1-3, 5, 8-10.
Az UTF-8 minden nyelvhez megfelel. Válassza a BOM-os UTF-8-at, ha a Windowson futó Excel vagy Jegyzettömb hibás karaktereket mutat; régi kódolásokat csak régi szoftverekhez használjon.
LF macOS-hez, Linuxhoz és kódszerkesztőkhöz; CRLF régebbi Windows-programokhoz, például a klasszikus Jegyzettömbhöz.
A vessző a szabvány. Pontosvesszőt használjon az Excelhez azokban az országokban, ahol a tizedeseket vesszővel írják (Németország, Franciaország, Brazília).
Több munkalapos Excel-bemenet esetén: mindet átalakítja (munkalaponként egy szakasz vagy fájl), vagy csak az elsőt.
Az eszköz használata
- 1
Töltse fel a DOCX fájlokat
Húzzon be egy dokumentumot vagy legfeljebb 20 fájlból álló köteget, fájlonként legfeljebb 95 MB-ot. A régebbi .doc, .docm és .dotx fájlokat is elfogadja.
- 2
Válassza ki a kódolást és a sorvégeket
A Konvertálás erre legyen Egyszerű szöveg, a Formázás pedig Csak szöveg. A Speciális beállítások alatt hagyja a Szövegkódolás értékét UTF-8-on, kivéve, ha egy régi program kódlapot igényel, a Sorvégek között pedig válassza a CRLF-et a klasszikus Windows-eszközökhöz.
- 3
Konvertálás TXT-be
Nyomja meg az Átalakítás: Egyszerű szöveg → gombot, majd töltsön le dokumentumonként egy .txt fájlt, vagy mindet együtt egy ZIP-ben.
Töltse fel a Word-fájlt, hagyja a Formázás értékét Csak szövegen, és nyomja meg az Átalakítás: Egyszerű szöveg → gombot. Az eredmény egy .txt minden szóval, UTF-8-ban, hacsak nem választ másik kódolást.
Miért érdemes sima szöveget kinyerni egy Word-dokumentumból?
A DOCX fájl XML-részek ZIP-archívuma. A szavak a word/document.xml fájlban vannak, szakasz- és bekezdéscímkékbe csomagolva, a stíluslapok, számozási definíciók, képek és kapcsolatok mellett. Az a program, amelynek csak a szöveg kell, először mindezt kicsomagolni kényszerül, és sok egyszerűen elutasítja a fájlt.
Ilyenkor segít az egyszerű szöveg. A kutatók, akik interjúkat töltenek szövegelemző eszközbe, a karakterszám alapján árajánlatot adó fordítók, a dokumentumokat szkriptnek átadó fejlesztők és a tartalomkezelőbe szöveget illesztő szerkesztők mind a szavakat akarják a csomagolás nélkül. A Word ezt fájlonként megoldja a Mentés másként és a fájlkonverziós párbeszédablak segítségével; az átalakító ugyanezt egy egész köteggel megteszi, és a kódolást is elég egyszer beállítani.
Más forrásból származó szöveg is hasonlóan kezelhető: a HTML TXT-be a mentett weboldalakat tisztítja meg, a diasorozatoknak pedig saját útjuk van.
A TXT fájl kódolásának és sorvégeinek kiválasztása
Az alapértelmezett, és szinte mindenhez ez a jó választás. Minden írásrendszert lefed, az ékezetes latin betűktől a hangulig és az emojikig, és ezt várják a webes eszközök, a Git, a Python és a modern szerkesztők.
- A Windows Jegyzettömb a Windows 10 1903-as verziója óta alapértelmezetten BOM nélküli UTF-8-ban ment
- macOS-hez, Linuxhoz és kódhoz LF sorvéggel párosítsa
UTF-8 a fájl elején három jelölőbájttal. Akkor használja, ha egy Windows-program az ékezetes betűket é vagy hasonló zagyvaságként jeleníti meg.
- Néhány Unix-eszköz a BOM-ot kósza karakterként írja ki
- Klasszikus Windows-szoftverhez CRLF-fel párosítsa
A Windows-1252, ISO-8859-1, Shift_JIS, GB18030 és EUC-KR a Unicode előtt írt szoftverekhez létezik. A választott kódlapon kívüli karakterek nem tárolhatók.
- Csak akkor válasszon ilyet, ha a program dokumentációja kéri
- plusz .docm és .dotx
- .docx .doc
- választható szövegkódolás
- 8
- sorvégstílus
- LF / CRLF
- a fájlok törléséig
- 30 perc
DOCX
Microsoft Word dokumentum
A DOCX a Microsoft Word alapértelmezett dokumentumformátuma az Office 2007 óta, az Office Open XML szabványra (ECMA-376, ISO/IEC 29500) épül. XML-fájlokból álló ZIP-csomag, amely szöveget, stílusokat, képeket, táblázatokat, megjegyzéseket és követett változtatásokat tartalmaz. Irodákban, iskolákban és álláspályázatoknál ez a legelterjedtebb szerkeszthető dokumentumformátum. Az elrendezés kissé eltolódhat a Word, a Google Dokumentumok, a LibreOffice és a Pages között, főleg összetett formázásnál. A legtöbb szövegszerkesztő megnyitja a DOCX-fájlokat.
- Tömörítés
- –
- Átlátszóság
- –
- Animáció
- –
- Bevezetés éve
- 2007 · Microsoft
TXT
Egyszerű szöveg
A TXT fájl csak egyszerű karaktereket tartalmaz, formázás, betűtípus, kép és elrendezés nélkül. A modern szövegfájlok általában UTF-8 kódolásúak, amely minden nyelvet lefed, a régebbiek viszont más kódolást használhatnak, és ilyenkor értelmezhetetlen karakterek jelenhetnek meg. Az egyszerű szöveg parányi, soha nem avul el, és minden eszközön megnyílik a telefontól a szerverig. Nem tartalmazhat félkövér szöveget, táblázatot vagy képet, így a szerkezetet térközökkel vagy egyszerű jelöléssel kell kifejezni.
- Tömörítés
- –
- Átlátszóság
- –
- Animáció
- –
- Bevezetés éve
- –
A DOCX-et akkor érdemes TXT-vé egyszerűsíteni, ha a következő lépésben csak a szavak számítanak: korpuszhoz vagy keresési indexhez, karakterszámra számoló fordítási árajánlathoz, sorokat feldolgozó szkripthez, vagy olyan űrlapmezőhöz, amely csak egyszerű szöveget fogad el.
Mi vész el a DOCX-ből a TXT fájlban?
- Egyszerű szövegTXT · text/plain
- Csak karakterekből és sortörésekből álló fájl, betűtípusok, méretek, színek, képek és oldalelrendezés nélkül. Jelentése teljes mértékben azon a kódoláson múlik, amellyel a bájtokat visszaalakítják karakterekké.
Minden vizuális elem elvész: félkövér, dőlt, betűtípusok, oldaltörések, fejlécek, oszlopok, képek és diagramok. A számozott és felsorolásos listák megtartják a szavaikat, a bekezdések megőrzik a sorrendjüket, és sortörések választják el őket. A képeket a Képek megtartása bekapcsolásával fájlként is megőrizheti a szöveg mellett: ilyenkor a TXT-vel együtt ZIP-be kerülnek.
Kérdések a DOCX TXT-be konvertálásáról
Bekerül a szövegfájlba a változáskövetéssel törölt szöveg?
Nem. Ha a Megjegyzések megtartása ki van kapcsolva, a dokumentum úgy készül el, ahogy az összes módosítás elfogadása után olvasható: a beszúrások benne vannak, a törlések eltűnnek, a megjegyzésbuborékok kimaradnak. Csak akkor kapcsolja be, ha a lektorok megjegyzéseit is bele szeretné írni a szövegbe.
Mi történik a Word-dokumentum táblázataival?
Minden táblázatsor egy szövegsorrá válik, a cellák tartalma olvasási sorrendben követi egymást. Így minden szó megmarad, de a rács elvész, ezért a főleg táblázatokból álló dokumentumhoz jobb a DOCX HTML-be átalakítás, amely valódi táblázatként őrzi meg őket.
Melyik kódolást válasszam egy régi Windows-programhoz?
Először próbálja a BOM-os UTF-8-at: a három jelölőbájt sok Windows-programnak jelzi, hogy a fájl UTF-8. Ha a program a Unicode előtti, nyugat-európai szöveghez válassza a Windows-1252-t, japánhoz a Shift_JIS-t, kínaihoz a GB18030-at, koreaihoz az EUC-KR-t.
Miért érdemes TXT-be konvertálni, mielőtt AI-asszisztensbe vagy fordítóeszközbe illesztem a szöveget?
A Wordből másolt szöveggel rejtett formázás, intelligens idézőjelek, puha kötőjelek és láthatatlan mezőkódok is átkerülhetnek. Az egyszerű szöveges fájl pontosan az oldalon lévő karaktereket adja az eszköznek, és a karakterszám megegyezik azzal, amit a fordítási árajánlat vagy a tokenkorlát lát.
Megjelölhetők valahogy a címsorok?
Az egyszerű szövegben nincsenek címsorok, csak sorok. Ha a címsorokat felismerhetően meg szeretné tartani, inkább Markdownra konvertáljon: a DOCX Markdownba # jeles sorokként írja ki őket, amelyek szövegként is természetesen olvashatók.