DOCX til TXT-konverter
Reduser et Word-dokument til bare ordene. Konverteren lager en ren .txt-fil med den tegnkodingen og de linjeskiftene neste program forventer, klar for søkeverktøy, oversettelsesprogrammer, skript eller et chatvindu.
Dokumentkonverterer
eller slipp PDF, DOC, DOCX …-filer her ·
Maks 95 MB per fil· Opptil 20 filer· Slettes etter 30 minutter
Filene behandles på serverne våre og slettes etter 30 minutter.
150 DPI gjør en A4-side til omtrent 1240 × 1754 px. Bruk 300 for utskrift.
Konverter hele filen eller bare noen sider eller lysbilder (PDF og presentasjoner).
Sider eller lysbilder som skal konverteres, f.eks. 1-3, 5, 8-10.
UTF-8 fungerer for alle språk. Velg UTF-8 med BOM hvis Excel eller Notisblokk på Windows viser ødelagte tegn; eldre tegnkoder bare for gammel programvare.
LF for macOS, Linux og kodeeditorer; CRLF for eldre Windows-programmer som klassisk Notisblokk.
Komma er standard. Bruk semikolon for Excel i land som skriver desimaler med komma (Tyskland, Frankrike, Brasil).
Excel-fil med flere ark: konverter alle (én del eller fil per ark) eller bare det første.
Slik bruker du dette verktøyet
- 1
Last opp DOCX-filene
Slipp ett dokument eller opptil 20 samtidig, hvert på inntil 95 MB. Eldre .doc-, .docm- og .dotx-filer godtas også.
- 2
Velg tegnkoding og linjeskift
Konverter til er satt til Ren tekst, og Formatering står på Bare tekst. Under Avanserte innstillinger lar du Tekstkoding stå på UTF-8, med mindre et gammelt program krever en kodetabell. Velg CRLF under Linjeskift for klassiske Windows-verktøy.
- 3
Konverter til TXT
Trykk Konverter til Ren tekst og last ned én .txt per dokument, eller alle sammen i en ZIP.
Last opp Word-filen, la Formatering stå på Bare tekst og trykk Konverter til Ren tekst for å få en .txt med hvert ord, i UTF-8 med mindre du velger en annen koding.
Hvorfor hente ren tekst ut av et Word-dokument
En DOCX-fil er et ZIP-arkiv med XML-deler. Ordene ligger i word/document.xml, pakket inn i tagger for tekstblokker og avsnitt, ved siden av stilark, nummereringsdefinisjoner, bilder og relasjoner. Programmer som bare vil ha teksten, må pakke ut alt dette først, og mange nekter rett og slett å åpne filen.
Det er her ren tekst hjelper. Forskere som laster intervjuer inn i et tekstanalyseverktøy, oversettere som priser etter tegnantall, utviklere som mater dokumenter til et skript og redaktører som limer inn tekst i et innholdssystem trenger alle ordene uten innpakningen. Word kan gjøre det én fil om gangen via Lagre som og dialogen for filkonvertering. Konverteren gjør det samme for en hel samling og lar deg angi kodingen én gang.
Tekst fra andre kilder fungerer på samme måte: HTML til TXT rydder opp i lagrede nettsider, og presentasjoner har sin egen vei.
Velg tegnkoding og linjeskift for TXT-filen
Standarden og det riktige valget for nesten alt. Den dekker alle skriftsystemer, fra latinske bokstaver med aksent til hangul og emoji, og den forventes av nettverktøy, Git, Python og moderne redigeringsprogrammer.
- Windows Notisblokk har lagret UTF-8 uten BOM som standard siden Windows 10 versjon 1903
- Bruk sammen med LF-linjeskift for macOS, Linux og kode
UTF-8 pluss tre markørbyte først i filen. Bruk den når et Windows-program viser bokstaver med aksent som é eller lignende rot.
- Noen Unix-verktøy skriver ut BOM som et tilfeldig tegn
- Bruk sammen med CRLF for klassisk Windows-programvare
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 og EUC-KR finnes for programvare skrevet før Unicode. Tegn utenfor den valgte kodetabellen kan ikke lagres.
- Velg en av dem bare når et program oppgir at det trenger det
- pluss .docm og .dotx
- .docx .doc
- tekstkodinger å velge mellom
- 8
- typer linjeskift
- LF / CRLF
- før filene slettes
- 30 min
DOCX
Microsoft Word-dokument
DOCX er Microsoft Words standard dokumentformat siden Office 2007, basert på standarden Office Open XML (ECMA-376, ISO/IEC 29500). Det er en ZIP-pakke med XML-filer som inneholder tekst, stiler, bilder, tabeller, kommentarer og sporede endringer. Det er det vanligste formatet for redigerbare dokumenter på kontor, i skolen og i jobbsøknader. Utseendet kan forskyves litt mellom Word, Google Docs, LibreOffice og Pages, særlig ved kompleks formatering. De fleste tekstbehandlere åpner DOCX-filer.
- Komprimering
- –
- Gjennomsiktighet
- –
- Animasjon
- –
- Introdusert
- 2007 · Microsoft
TXT
Ren tekst
En TXT-fil inneholder bare vanlige tegn uten formatering, skrifter, bilder eller layout. Moderne tekstfiler er vanligvis kodet i UTF-8, som dekker alle språk, mens eldre filer kan bruke andre kodinger og vise feil tegn. Ren tekst er liten, blir aldri utdatert og åpnes på alle enheter, fra telefoner til servere. Den kan ikke inneholde fet tekst, tabeller eller bilder, så struktur må uttrykkes med mellomrom eller enkel markering.
- Komprimering
- –
- Gjennomsiktighet
- –
- Animasjon
- –
- Introdusert
- –
DOCX gjøres om til TXT når bare ordene betyr noe for neste steg: et korpus eller en søkeindeks, et oversettelsestilbud som teller tegn, et skript som leser linjer, eller et skjemafelt som avviser alt annet enn ren tekst.
Hva en TXT-fil utelater fra DOCX-filen
- Ren tekstTXT · text/plain
- En fil med bare tegn og linjeskift, uten skrifttyper, størrelser, farger, bilder eller sideoppsett. Innholdet avhenger helt av koden som brukes for å gjøre byte om til tegn igjen.
Alt visuelt forsvinner: fet skrift, kursiv, skrifttyper, sideskift, topptekster, spalter, bilder og diagrammer. Nummererte lister og punktlister beholder ordene sine, og avsnittene beholder rekkefølgen og skilles med linjeskift. Bilder kan likevel beholdes som filer ved siden av teksten ved å slå på Ta med bilder, som samler dem med TXT-filen i en ZIP.
Spørsmål om DOCX til TXT
Tar tekstfilen med slettet tekst fra sporede endringer?
Nei. Med Ta med kommentarer av får du dokumentet slik det leses etter at alle endringer er godtatt: innsettinger er med, slettinger er borte, og kommentarbobler utelates. Slå på alternativet bare hvis du vil ha kommentarer fra korrekturleserne skrevet inn i teksten.
Hva skjer med tabeller i Word-dokumentet?
Hver tabellrad blir en tekstlinje med celleinnholdet i leserekkefølge. Da beholdes alle ord, men rutenettet forsvinner. Et dokument som hovedsakelig består av tabeller passer derfor bedre med DOCX til HTML, som beholder dem som ekte tabeller.
Hvilken tegnkoding bør jeg velge for et eldre Windows-program?
Prøv UTF-8 med BOM først. De tre markørbytene forteller mange Windows-programmer at filen er UTF-8. Hvis programmet er eldre enn Unicode, velg Windows-1252 for vesteuropeisk tekst, Shift_JIS for japansk, GB18030 for kinesisk eller EUC-KR for koreansk.
Hvorfor konvertere til TXT før jeg limer inn i en KI-assistent eller et oversettelsesverktøy?
Kopiering fra Word kan ta med skjult formatering, typografiske anførselstegn, myke bindestreker og usynlige feltkoder sammen med ordene. En ren tekstfil gir verktøyet nøyaktig tegnene på siden, og tegnantallet stemmer med det et oversettelsestilbud eller en tokengrense vil se.
Kan overskrifter merkes på en eller annen måte?
Ren tekst har ingen overskrifter, bare linjer. Hvis overskriftene skal være gjenkjennelige, konverter heller til Markdown. DOCX til Markdown skriver dem som #-linjer som fortsatt leses naturlig som tekst.