Penukar DOCX ke TXT
Ambil hanya perkataan daripada dokumen Word. Penukar ini menghasilkan fail .txt yang bersih dalam pengekodan dan gaya hujung baris yang dijangka oleh program seterusnya, sedia untuk alat carian, perisian terjemahan, skrip atau tetingkap sembang.
Penukar Dokumen
atau seret Fail PDF, DOC, DOCX … ke sini ·
Maks 95 MB setiap fail· Sehingga 20 fail· Dipadam selepas 30 minit
Fail diproses pada pelayan kami dan dipadam selepas 30 minit.
150 DPI menjadikan halaman A4 kira-kira 1240 × 1754 px. Gunakan 300 untuk mencetak.
Tukar seluruh fail atau hanya sebahagian halaman atau slaid (input PDF dan persembahan).
Halaman atau slaid yang ingin ditukar, cth. 1-3, 5, 8-10.
UTF-8 sesuai untuk semua bahasa. Pilih UTF-8 dengan BOM jika Excel atau Notepad pada Windows memaparkan aksara yang bercelaru; pengekodan lama hanya untuk perisian lama.
LF untuk macOS, Linux dan editor kod; CRLF untuk program Windows lama seperti Notepad klasik.
Koma ialah standard. Gunakan koma bertitik untuk Excel di negara yang menulis perpuluhan dengan koma (Jerman, Perancis, Brazil).
Input Excel dengan beberapa helaian: tukar semuanya (satu bahagian atau fail setiap helaian) atau helaian pertama sahaja.
Cara menggunakan alat ini
- 1
Muat naik fail DOCX Anda
Letakkan satu dokumen atau kelompok sehingga 20 fail, setiap satu sehingga 95 MB. Fail .doc, .docm dan .dotx yang lebih lama juga diterima.
- 2
Pilih pengekodan dan hujung baris
Tukar ke ialah Teks biasa dengan Pemformatan pada Teks sahaja. Di bawah Tetapan lanjutan, kekalkan Pengekodan teks pada UTF-8 melainkan program lama memerlukan code page, dan pilih CRLF dalam Penamat baris untuk alat Windows klasik.
- 3
Tukar ke TXT
Tekan Tukar ke Teks biasa dan muat turun satu fail .txt bagi setiap dokumen, atau semuanya sekali gus dalam ZIP.
Muat naik fail Word, kekalkan Pemformatan pada Teks sahaja dan tekan Tukar ke Teks biasa untuk mendapatkan .txt dengan setiap perkataan, dalam UTF-8 melainkan anda memilih pengekodan lain.
Mengapa perlu teks biasa daripada dokumen Word
Fail DOCX ialah arkib ZIP bagi bahagian XML. Perkataan terletak dalam word/document.xml, dibalut dengan teg run dan perenggan, bersebelahan helaian gaya, definisi penomboran, imej dan perhubungan. Program yang hanya mahukan teks perlu membongkar semua itu dahulu, dan ramai yang menolak fail tersebut.
Di sinilah teks biasa membantu. Penyelidik yang memuatkan temu bual ke dalam alat analisis teks, penterjemah yang membuat sebut harga mengikut bilangan aksara, pembangun yang menyalurkan dokumen ke skrip dan editor yang menampal salinan ke sistem kandungan semuanya memerlukan perkataan tanpa pembalutnya. Word boleh melakukannya satu fail pada satu masa melalui Save As dan dialog File Conversion; penukar ini melakukan perkara yang sama untuk satu kelompok dan membolehkan anda menetapkan pengekodan sekali sahaja.
Teks daripada sumber lain mengikut cara yang sama: HTML ke TXT membersihkan halaman web yang disimpan, dan dek slaid mempunyai laluan tersendiri.
Memilih pengekodan dan hujung baris untuk fail TXT Anda
Lalai dan pilihan yang betul untuk hampir semua keperluan. Ia merangkumi semua tulisan, daripada Latin beraksen hingga Hangul dan emoji, dan itulah yang dijangka oleh alat web, Git, Python dan editor moden.
- Notepad Windows menyimpan UTF-8 tanpa BOM secara lalai sejak Windows 10 versi 1903
- Gandingkan dengan penamat baris LF untuk macOS, Linux dan kod
UTF-8 ditambah tiga bait penanda pada permulaan fail. Gunakannya apabila program Windows memaparkan huruf beraksen sebagai é atau aksara rosak yang serupa.
- Sesetengah alat Unix mencetak BOM sebagai aksara sesat
- Gandingkan dengan CRLF untuk perisian Windows klasik
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 dan EUC-KR wujud untuk perisian yang ditulis sebelum Unicode. Aksara di luar code page yang dipilih tidak dapat disimpan.
- Pilih hanya apabila program mendokumenkan bahawa ia memerlukannya
- serta .docm dan .dotx
- .docx .doc
- pengekodan teks untuk dipilih
- 8
- gaya penamat baris
- LF / CRLF
- sebelum fail dipadam
- 30 min
DOCX
Dokumen Microsoft Word
DOCX ialah format dokumen lalai Microsoft Word sejak Office 2007, berasaskan piawaian Office Open XML (ECMA-376, ISO/IEC 29500). Ia ialah pakej ZIP yang mengandungi fail XML untuk teks, gaya, imej, jadual, komen dan perubahan yang dijejaki. Ia format paling lazim untuk dokumen boleh edit di pejabat, sekolah dan permohonan kerja. Susun atur boleh berubah sedikit antara Word, Google Docs, LibreOffice dan Pages, terutamanya dengan pemformatan yang kompleks. Kebanyakan pemproses perkataan membuka fail DOCX.
- Pemampatan
- –
- Ketelusan
- –
- Animasi
- –
- Diperkenalkan
- 2007 · Microsoft
TXT
Teks biasa
Fail TXT hanya mengandungi aksara biasa tanpa pemformatan, fon, imej atau reka letak. Fail teks moden biasanya dikodkan dalam UTF-8 yang meliputi semua bahasa, walaupun fail lama mungkin menggunakan pengekodan lain dan memaparkan aksara bercelaru. Teks biasa sangat kecil, tidak pernah usang dan terbuka pada setiap peranti, daripada telefon hingga pelayan. Ia tidak boleh mengandungi teks tebal, jadual atau gambar, jadi struktur mesti dinyatakan dengan jarak atau penanda ringkas.
- Pemampatan
- –
- Ketelusan
- –
- Animasi
- –
- Diperkenalkan
- –
DOCX dikecilkan kepada TXT apabila hanya perkataan yang penting untuk langkah seterusnya: korpus atau indeks carian, sebut harga terjemahan yang mengira aksara, skrip yang menghuraikan baris, atau medan borang yang menolak apa-apa selain teks biasa.
Apa yang hilang daripada DOCX apabila menjadi TXT
- Teks biasaTXT · text/plain
- Fail yang hanya mengandungi aksara dan pemisah baris, tanpa fon, saiz, warna, imej atau reka letak halaman. Maknanya bergantung sepenuhnya pada pengekodan yang digunakan untuk menukar bait kembali kepada aksara.
Semua yang visual dibuang: teks tebal, condong, fon, pemisah halaman, pengepala, lajur, imej dan carta. Senarai bernombor dan berpeluru mengekalkan perkataannya, perenggan mengekalkan susunannya dan dipisahkan oleh pemisah baris. Gambar masih boleh disimpan sebagai fail di sebelah teks dengan menghidupkan Sertakan imej, yang membungkusnya bersama TXT dalam ZIP.
Soalan tentang DOCX ke TXT
Adakah fail teks mengandungi teks yang dipadam dalam jejak perubahan?
Tidak. Dengan Sertakan komen dimatikan, anda mendapat dokumen seperti yang dibaca selepas semua perubahan diterima: sisipan dimasukkan, pemadaman dibuang, dan belon komen ditinggalkan. Hidupkan pilihan ini hanya jika anda mahu komen penyemak ditulis ke dalam teks.
Apakah yang berlaku pada jadual dalam dokumen Word?
Setiap baris jadual menjadi satu baris teks dengan kandungan sel mengikut susunan bacaan. Setiap perkataan dikekalkan tetapi grid hilang, jadi dokumen yang kebanyakannya jadual lebih sesuai menggunakan DOCX ke HTML, yang mengekalkannya sebagai jadual sebenar.
Pengekodan manakah yang perlu saya pilih untuk program Windows lama?
Cuba UTF-8 dengan BOM dahulu; tiga bait penanda itu memberitahu banyak program Windows bahawa fail ini ialah UTF-8. Jika program itu wujud sebelum Unicode, pilih Windows-1252 untuk teks Eropah Barat, Shift_JIS untuk bahasa Jepun, GB18030 untuk bahasa Cina atau EUC-KR untuk bahasa Korea.
Mengapa perlu tukar ke TXT sebelum menampal ke pembantu AI atau alat terjemahan?
Menyalin daripada Word boleh membawa bersama pemformatan tersembunyi, petikan pintar, tanda sempang lembut dan kod medan tidak kelihatan. Fail teks biasa memberikan alat itu aksara tepat seperti pada halaman, dan bilangan aksaranya sepadan dengan apa yang dilihat oleh sebut harga terjemahan atau had token.
Bolehkah saya mengekalkan tajuk dengan tanda tertentu?
Teks biasa tiada tajuk, hanya baris. Jika anda mahu tajuk kekal dapat dikenali, tukar ke Markdown; DOCX ke Markdown menulisnya sebagai baris # yang masih terbaca secara semula jadi sebagai teks.