Конвертировать DOCX в TXT
Оставьте от документа Word только слова. Конвертер создает чистый файл .txt в той кодировке и с теми окончаниями строк, которые ожидает следующая программа: для поисковых инструментов, программ перевода, скриптов или окна чата.
Конвертер документов
или перетащите сюда файлы PDF, DOC, DOCX … ·
Макс. 95 MB на файл· До 20 файлов· Удаляются через 30 минут
Файлы обрабатываются на наших серверах и удаляются через 30 минут.
При 150 DPI страница A4 превращается примерно в 1240 × 1754 px. Для печати используйте 300.
Преобразуйте весь файл или только часть страниц либо слайдов (для PDF и презентаций).
Страницы или слайды для преобразования, например 1-3, 5, 8-10.
UTF-8 подходит для любого языка. Выберите «UTF-8 с BOM», если Excel или Блокнот в Windows показывают нечитаемые символы; устаревшие кодировки — только для старых программ.
LF — для macOS, Linux и редакторов кода; CRLF — для старых программ Windows, например классического Блокнота.
Стандарт — запятая. Точку с запятой используйте для Excel в странах, где дробная часть отделяется запятой (Германия, Франция, Бразилия).
Для файлов Excel с несколькими листами: преобразовать все (по разделу или файлу на лист) или только первый.
Как пользоваться инструментом
- 1
Загрузите файлы DOCX
Перетащите один документ или пакет до 20 файлов, каждый размером до 95 MB. Старые файлы .doc, .docm и .dotx тоже принимаются.
- 2
Выберите кодировку и окончания строк
В поле Преобразовать в выбрано «Обычный текст», а Форматирование — «Только текст». В разделе Расширенные настройки оставьте Кодировка текста UTF-8, если только старой программе не нужна кодовая страница, а в Окончания строк выберите CRLF для классических программ Windows.
- 3
Конвертируйте в TXT
Нажмите Конвертировать в Обычный текст → и скачайте по одному .txt на каждый документ или все файлы сразу в ZIP-архиве.
Загрузите файл Word, оставьте Форматирование на «Только текст» и нажмите Конвертировать в Обычный текст →: вы получите .txt со всеми словами в UTF-8, если не выберете другую кодировку.
Зачем извлекать простой текст из документа Word
Файл DOCX — это ZIP-архив из XML-частей. Слова лежат в word/document.xml, обёрнутые в теги фрагментов и абзацев, рядом со стилями, описаниями нумерации, изображениями и связями. Программам, которым нужен только текст, сначала приходится распаковать всё это, и многие просто отказываются открывать файл.
Здесь и выручает обычный текст. Исследователям, которые загружают интервью в инструмент анализа текста, переводчикам, считающим стоимость по знакам, разработчикам, передающим документы скрипту, и редакторам, вставляющим текст в систему управления контентом, нужны слова без оболочки. Word умеет это делать по одному файлу через Сохранить как и диалог преобразования файла; конвертер делает то же для целого пакета и позволяет задать кодировку один раз.
Текст из других источников обрабатывается так же: HTML в TXT очищает сохранённые веб-страницы, а у презентаций есть свой путь.
Как выбрать кодировку и окончания строк для файла TXT
Вариант по умолчанию и верный выбор почти для всего. Он охватывает все письменности, от латиницы с диакритикой до хангыля и эмодзи, и именно его ожидают веб-инструменты, Git, Python и современные редакторы.
- Блокнот Windows по умолчанию сохраняет UTF-8 без BOM начиная с Windows 10 версии 1903
- Для macOS, Linux и кода сочетайте с окончаниями строк LF
UTF-8 плюс три байта-маркера в начале файла. Используйте, если программа Windows показывает буквы с диакритикой как é или другую абракадабру.
- Некоторые инструменты Unix выводят BOM как лишний символ
- Для классических программ Windows сочетайте с CRLF
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 и EUC-KR существуют для программ, написанных до появления Unicode. Символы, которых нет в выбранной кодовой странице, сохранить нельзя.
- Выбирайте такую кодировку, только если программа прямо указывает, что она нужна
- а также .docm и .dotx
- .docx .doc
- кодировок текста на выбор
- 8
- стиля окончаний строк
- LF / CRLF
- до удаления файлов
- 30 мин
DOCX
Документ Microsoft Word
DOCX — формат документов Microsoft Word по умолчанию начиная с Office 2007, основанный на стандарте Office Open XML (ECMA-376, ISO/IEC 29500). Это ZIP-пакет XML-файлов, в которых хранятся текст, стили, изображения, таблицы, комментарии и исправления. Это самый распространённый формат редактируемых документов в офисах, учебных заведениях и при отклике на вакансии. Вёрстка может немного сдвигаться между Word, Google Docs, LibreOffice и Pages, особенно при сложном форматировании. Большинство текстовых редакторов открывают файлы DOCX.
- Сжатие
- –
- Прозрачность
- –
- Анимация
- –
- Год появления
- 2007 · Microsoft
TXT
Обычный текст
Файл TXT содержит только простые символы без форматирования, шрифтов, изображений и вёрстки. Современные текстовые файлы обычно хранятся в кодировке UTF-8, которая охватывает все языки, хотя старые файлы могут использовать другие кодировки и показывать нечитаемые символы. Обычный текст весит очень мало, никогда не устаревает и открывается на любом устройстве — от телефонов до серверов. В нём не может быть полужирного текста, таблиц или картинок, поэтому структуру приходится передавать отступами или простой разметкой.
- Сжатие
- –
- Прозрачность
- –
- Анимация
- –
- Год появления
- –
DOCX сводят к TXT, когда следующему шагу нужны только слова: корпусу текстов или поисковому индексу, расчёту стоимости перевода по знакам, скрипту, который разбирает строки, или полю формы, не принимающему ничего, кроме обычного текста.
Что теряется при переводе DOCX в TXT
- Обычный текстTXT · text/plain
- Файл, состоящий только из символов и переводов строк, без шрифтов, размеров, цветов, изображений и разметки страницы. Его смысл целиком зависит от кодировки, по которой байты превращаются обратно в символы.
Всё визуальное пропадает: полужирный и курсив, шрифты, разрывы страниц, колонтитулы, колонки, изображения и диаграммы. Нумерованные и маркированные списки сохраняют слова, абзацы сохраняют порядок и разделяются переводами строк. Картинки всё же можно сохранить файлами рядом с текстом, включив Включить изображения: тогда они упаковываются вместе с TXT в ZIP.
Вопросы о конвертации DOCX в TXT
Попадает ли в текстовый файл удаленный текст из режима исправлений?
Нет. Если Включить комментарии выключено, вы получите документ в том виде, в каком он читается после принятия всех изменений: вставки остаются, удаления пропадают, выноски с комментариями не попадают в текст. Включайте эту опцию, только если хотите, чтобы комментарии рецензентов были записаны в текст.
Что происходит с таблицами из документа Word?
Каждая строка таблицы превращается в строку текста, где содержимое ячеек идёт в порядке чтения. Все слова сохраняются, но сетка теряется, поэтому для документа, состоящего в основном из таблиц, лучше подойдёт DOCX в HTML: там они остаются настоящими таблицами.
Какую кодировку выбрать для старой программы под Windows?
Сначала попробуйте UTF-8 с BOM: три байта-маркера подсказывают многим программам Windows, что файл в UTF-8. Если программа появилась до Unicode, выберите Windows-1252 для западноевропейского текста, Shift_JIS для японского, GB18030 для китайского или EUC-KR для корейского.
Зачем конвертировать в TXT перед вставкой в ИИ-ассистент или программу перевода?
При копировании из Word вместе со словами могут перенестись скрытое форматирование, «умные» кавычки, мягкие переносы и невидимые коды полей. Обычный текстовый файл передаёт инструменту ровно те символы, что стоят на странице, а число знаков совпадает с тем, что увидит расчёт стоимости перевода или лимит токенов.
Можно ли как-то сохранить пометку заголовков?
В обычном тексте нет заголовков, есть только строки. Если заголовки должны оставаться узнаваемыми, конвертируйте в Markdown: DOCX в Markdown записывает их строками с #, которые остаются читаемыми и как обычный текст.