Convertor DOCX în TXT

Q: Fișierul text include textul șters din modificările urmărite?

Nu. Cu **Include comentariile** dezactivat, obțineți documentul așa cum arată după acceptarea tuturor modificărilor: inserările rămân, ștergerile dispar, iar baloanele cu comentarii sunt omise. Activați opțiunea doar dacă doriți caSe comentariile revizorilor să fie scrise în text.

Păstrați dintr-un document Word doar cuvintele. Convertorul creează un fișier .txt curat, cu codificarea și tipul de sfârșit de linie pe care le așteaptă următorul program, gata pentru instrumente de căutare, software de traducere, scripturi sau o fereastră de chat.

sau trage Fișiere PDF, DOC, DOCX … aici ·

Maximum 95 MB per fișier· Până la 20 fișiere· Șterse după 30 minute

Rezultat

Convertește în

Formatare

Fișierele sunt procesate pe serverele noastre și șterse după 30 minute.

Cum se folosește acest instrument

1
Încărcați fișierele DOCX
Încărcați un document sau un lot de maximum 20, fiecare de până la 95 MB. Sunt acceptate și fișierele mai vechi .doc, .docm și .dotx.
2
Alegeți codificarea și sfârșitul de linie
Opțiunea Convertește în este Text simplu, iar Formatare rămâne pe Doar text. La Setări avansate, lăsați Codificarea textului pe UTF-8, cu excepția cazului în care un program vechi cere o pagină de cod, și alegeți CRLF la Sfârșit de rând pentru instrumentele clasice Windows.
3
Convertiți în TXT
Apăsați Convertește în Text simplu și descărcați câte un .txt pentru fiecare document sau pe toate împreună într-un ZIP.

Încărcați fișierul Word, lăsați Formatare pe Doar text și apăsați Convertește în Text simplu pentru un .txt cu toate cuvintele, în UTF-8, dacă nu alegeți altă codificare.

De ce să extrageți text simplu dintr-un document Word

Un fișier DOCX este o arhivă ZIP de componente XML. Cuvintele se află în word/document.xml, învelite în etichete de pasaj și paragraf, alături de foi de stil, definiții de numerotare, imagini și relații. Programele care vor doar textul trebuie să despacheteze mai întâi toate acestea, iar multe refuză pur și simplu fișierul.

Aici ajută textul simplu. Cercetătorii care încarcă interviuri într-un instrument de analiză a textului, traducătorii care oferă prețuri după numărul de caractere, dezvoltatorii care dau documente unui script și editorii care lipesc texte într-un sistem de conținut au nevoie de cuvinte fără ambalaj. Word poate face asta fișier cu fișier prin Salvare ca și dialogul de conversie a fișierului; convertorul face același lucru pentru un lot întreg și vă lasă să setați codificarea o singură dată.

Textul din alte surse se tratează la fel: HTML în TXT curăță paginile web salvate, iar prezentările au propriul traseu.

Alegerea codificării și a sfârșitului de linie pentru fișierul TXT

Opțiunea implicită și alegerea potrivită pentru aproape orice. Acoperă toate scrierile, de la latina cu diacritice la Hangul și emoji, și este ce așteaptă instrumentele web, Git, Python și editoarele moderne.

Notepad din Windows salvează UTF-8 fără BOM implicit începând cu Windows 10 versiunea 1903
Combinați cu sfârșit de rând LF pentru macOS, Linux și cod

plus .docm și .dotx: .docx .doc
codificări de text la alegere: 8
stiluri de sfârșit de rând: LF / CRLF
până la ștergerea fișierelor: 30 min

DOCX

Document Microsoft Word

DOCX este formatul implicit de document Microsoft Word din Office 2007, bazat pe standardul Office Open XML (ECMA-376, ISO/IEC 29500). Este un pachet ZIP de fișiere XML ce conțin text, stiluri, imagini, tabele, comentarii și modificări urmărite. Este cel mai răspândit format pentru documente editabile în birouri, școli și candidaturi la joburi. Aspectul se poate modifica ușor între Word, Google Docs, LibreOffice și Pages, mai ales în cazul formatărilor complexe. Majoritatea procesoarelor de text deschid fișiere DOCX.

Compresie: –
Transparență: –
Animație: –
Introdus în: 2007 · Microsoft

Convertor DOCX

TXT

Text simplu

Un fișier TXT conține doar caractere simple, fără formatare, fonturi, imagini sau aspect de pagină. Fișierele text moderne sunt de obicei codificate în UTF-8, care acoperă toate limbile, deși fișierele mai vechi pot folosi alte codificări și pot afișa caractere stricate. Textul simplu este foarte mic, nu devine niciodată depășit și se deschide pe orice dispozitiv, de la telefoane la servere. Nu poate conține text aldin, tabele sau imagini, așa că structura trebuie exprimată prin spațiere sau marcaje simple.

Compresie: –
Transparență: –
Animație: –
Introdus în: –

Convertor TXT

DOCX se reduce la TXT când contează doar cuvintele pentru pasul următor: un corpus sau un index de căutare, o ofertă de traducere care numără caracterele, un script care parsează linii sau un câmp de formular care respinge orice altceva decât text simplu.

Ce pierde fișierul TXT din documentul DOCX

Text simpluTXT · text/plain: Un fișier format doar din caractere și întreruperi de rând, fără fonturi, mărimi, culori, imagini sau aspect de pagină. Sensul lui depinde în întregime de codificarea folosită pentru a transforma octeții înapoi în caractere.

Dispare tot ce e vizual: aldine, cursive, fonturi, sfârșituri de pagină, antete, coloane, imagini și diagrame. Listele numerotate și cu buline își păstrează cuvintele, iar paragrafele își păstrează ordinea și rămân separate prin întreruperi de rând. Imaginile pot fi totuși păstrate ca fișiere lângă text activând Include imaginile, care le grupează cu TXT-ul într-un ZIP.

Întrebări despre conversia DOCX în TXT

Fișierul text include textul șters din modificările urmărite?

Nu. Cu Include comentariile dezactivat, obțineți documentul așa cum arată după acceptarea tuturor modificărilor: inserările rămân, ștergerile dispar, iar baloanele cu comentarii sunt omise. Activați opțiunea doar dacă doriți caSe comentariile revizorilor să fie scrise în text.

Ce se întâmplă cu tabelele din documentul Word?

Fiecare rând de tabel devine o linie de text, cu conținutul celulelor în ordinea de citire. Se păstrează toate cuvintele, dar se pierde grila, deci pentru un document alcătuit mai ales din tabele este mai potrivit DOCX în HTML, care le păstrează ca tabele reale.

Ce codificare să aleg pentru un program Windows vechi?

Încercați mai întâi UTF-8 cu BOM; cei trei octeți de marcare le spun multor programe Windows că fișierul este UTF-8. Dacă programul e anterior Unicode, alegeți Windows-1252 pentru text vest-european, Shift_JIS pentru japoneză, GB18030 pentru chineză sau EUC-KR pentru coreeană.

De ce să convertesc în TXT înainte de a lipi textul într-un asistent AI sau într-un instrument de traducere?

Copierea din Word poate aduce cu ea formatări ascunse, ghilimele tipografice, cratime condiționale și coduri de câmp invizibile, pe lângă cuvinte. Un fișier de text simplu oferă instrumentului exact caracterele din pagină, iar numărul de caractere corespunde cu ce vede o ofertă de traducere sau o limită de tokeni.

Pot păstra titlurile marcate într-un fel?

Textul simplu nu are titluri, ci doar linii. Dacă doriți ca titlurile să rămână recognoscibile, convertiți în Markdown; DOCX în Markdown le scrie ca linii cu # care se citesc firesc și ca text.