Konvertor DOCX na TXT
Z dokumentu Word ostanú len slová. Konvertor vytvorí čistý súbor .txt v kódovaní a so štýlom koncov riadkov, aký očakáva váš ďalší program. Súbor je pripravený pre vyhľadávacie nástroje, prekladový softvér, skripty alebo okno chatu.
Prevodník dokumentov
alebo sem presuňte súbory PDF, DOC, DOCX … ·
Max. 95 MB na súbor· Až 20 súborov· Odstránenie po 30 minútach
Súbory sa spracúvajú na našich serveroch a po 30 minútach sa odstránia.
150 DPI zmení stranu A4 na približne 1240 × 1754 px. Na tlač použite 300.
Previesť celý súbor alebo len niektoré strany či snímky (vstup PDF a prezentácie).
Strany alebo snímky na prevod, napr. 1-3, 5, 8-10.
UTF-8 funguje pre všetky jazyky. Vyberte UTF-8 s BOM, ak Excel alebo Poznámkový blok vo Windowse zobrazuje pokazené znaky; staršie kódovania len pre starý softvér.
LF pre macOS, Linux a editory kódu; CRLF pre staršie programy vo Windowse, napríklad klasický Poznámkový blok.
Štandardom je čiarka. Bodkočiarku použite pre Excel v krajinách, kde sa desatinné čísla píšu s čiarkou (Nemecko, Francúzsko, Brazília).
Vstup z Excelu s viacerými hárkami: previesť všetky (jedna sekcia alebo súbor na hárok) alebo len prvý.
Ako používať tento nástroj
- 1
Nahrajte súbory DOCX
Nahrajte jeden dokument alebo dávku až 20 súborov, každý do 95 MB. Prijímame aj staršie súbory .doc, .docm a .dotx.
- 2
Zvoľte kódovanie a konce riadkov
V poli Previesť na je Plain text a Formátovanie je nastavené na Text only. V časti Rozšírené nastavenia nechajte Kódovanie textu na UTF-8, pokiaľ starší program nevyžaduje kódovú stránku, a v Konce riadkov zvoľte CRLF pre klasické nástroje pre Windows.
- 3
Preveďte do TXT
Stlačte Previesť na Plain text a stiahnite si jeden súbor .txt pre každý dokument alebo všetky spolu v ZIP.
Nahrajte súbor Wordu, nechajte Formátovanie na Text only a stlačte Previesť na Plain text. Dostanete .txt s každým slovom, v UTF-8, pokiaľ nezvolíte iné kódovanie.
Prečo získať čistý text z dokumentu Word
Súbor DOCX je archív ZIP s časťami XML. Slová sú v word/document.xml, zabalené v značkách úsekov a odsekov, vedľa štýlov, definícií číslovania, obrázkov a väzieb. Programy, ktoré chcú iba text, musia najprv všetko rozbaliť a mnohé súbor jednoducho odmietnu.
Tu pomáha čistý text. Výskumníci, ktorí nahrávajú rozhovory do nástroja na analýzu textu, prekladatelia účtujúci podľa počtu znakov, vývojári posielajúci dokumenty skriptu aj redaktori vkladajúci text do redakčného systému potrebujú slová bez obalu. Word to zvládne po jednom súbore cez Uložiť ako a dialóg konverzie súboru; konvertor to urobí pre celú dávku a kódovanie nastavíte raz.
Text z iných zdrojov sa spracúva rovnako: HTML do TXT vyčistí uložené webové stránky a prezentácie majú vlastnú cestu.
Ako zvoliť kódovanie a konce riadkov súboru TXT
Predvolená a správna voľba takmer pre všetko. Pokrýva všetky písma, od latinky s diakritikou po hangul a emoji, a očakávajú ju webové nástroje, Git, Python aj moderné editory.
- Poznámkový blok vo Windowse ukladá UTF-8 bez BOM štandardne od Windowsu 10 verzie 1903
- Kombinujte s koncami riadkov LF pre macOS, Linux a kód
UTF-8 plus tri značkovacie bajty na začiatku súboru. Použite ho, keď program pre Windows zobrazuje písmená s diakritikou ako é alebo podobné nezmysly.
- Niektoré nástroje Unixu vypíšu BOM ako zbytočný znak
- Kombinujte s CRLF pre klasický softvér pre Windows
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 a EUC-KR existujú pre softvér napísaný pred Unicode. Znaky mimo zvolenej kódovej stránky sa uložiť nedajú.
- Zvoľte ju, len ak program uvádza, že ju vyžaduje
- plus .docm a .dotx
- .docx .doc
- kódovaní textu na výber
- 8
- štýly koncov riadkov
- LF / CRLF
- kým sa súbory vymažú
- 30 min
DOCX
Dokument Microsoft Word
DOCX je predvolený formát dokumentov programu Microsoft Word od Office 2007, založený na štandarde Office Open XML (ECMA-376, ISO/IEC 29500). Je to balík ZIP so súbormi XML, ktoré obsahujú text, štýly, obrázky, tabuľky, komentáre a sledované zmeny. Je to najbežnejší formát upraviteľných dokumentov v kanceláriách, školách aj pri žiadostiach o prácu. Rozloženie sa môže medzi Wordom, Google Docs, LibreOffice a Pages mierne posunúť, najmä pri zložitom formátovaní. Súbory DOCX otvorí väčšina textových editorov.
- Kompresia
- –
- Priehľadnosť
- –
- Animácia
- –
- Rok vzniku
- 2007 · Microsoft
TXT
Obyčajný text
Súbor TXT obsahuje iba obyčajné znaky bez formátovania, písiem, obrázkov či rozloženia. Moderné textové súbory majú zvyčajne kódovanie UTF-8, ktoré pokrýva všetky jazyky, staršie súbory však môžu používať iné kódovania a zobraziť nezmyselné znaky. Obyčajný text je drobný, nikdy nezastará a otvorí sa na každom zariadení, od telefónov po servery. Nepojme tučný text, tabuľky ani obrázky, takže štruktúru treba vyjadriť medzerami alebo jednoduchým značkovaním.
- Kompresia
- –
- Priehľadnosť
- –
- Animácia
- –
- Rok vzniku
- –
DOCX sa zredukuje na TXT, keď ďalší krok potrebuje iba slová: korpus alebo vyhľadávací index, ponuka prekladu podľa počtu znakov, skript spracúvajúci riadky alebo formulárové pole, ktoré prijíma iba čistý text.
Čo súbor TXT z vášho DOCX vynechá
- Čistý textTXT · text/plain
- Súbor iba so znakmi a zalomeniami riadkov, bez písiem, veľkostí, farieb, obrázkov a rozloženia strany. Jeho význam úplne závisí od kódovania, ktoré mení bajty späť na znaky.
Zmizne všetko vizuálne: tučné písmo, kurzíva, písma, zlomy strán, hlavičky, stĺpce, obrázky a grafy. Číslované a odrážkové zoznamy si zachovajú slová, odseky ostanú v poradí a oddelené zalomeniami riadkov. Obrázky môžete zachovať ako súbory vedľa textu zapnutím Zahrnúť obrázky, čím sa spolu s TXT zbalia do ZIP.
Otázky o prevode DOCX na TXT
Obsahuje textový súbor aj odstránený text zo sledovaných zmien?
Nie. Ak je Zahrnúť komentáre vypnuté, dostanete dokument v podobe po prijatí všetkých zmien: vložený text zostane, odstránený zmizne a bubliny komentárov sa vynechajú. Možnosť zapnite, len ak chcete komentáre recenzentov zapísať do textu.
Čo sa stane s tabuľkami v dokumente Word?
Každý riadok tabuľky sa zmení na riadok textu s obsahom buniek v poradí čítania. Zachová sa tak každé slovo, ale stratí sa mriežka. Dokumentu zloženému hlavne z tabuliek preto lepšie poslúži DOCX do HTML, ktoré ich zachová ako skutočné tabuľky.
Ktoré kódovanie zvoliť pre starý program vo Windows?
Najprv skúste UTF-8 s BOM; tri značkovacie bajty povedia mnohým programom pre Windows, že súbor je v UTF-8. Ak je program starší než Unicode, zvoľte Windows-1252 pre západoeurópsky text, Shift_JIS pre japončinu, GB18030 pre čínštinu alebo EUC-KR pre kórejčinu.
Prečo previesť dokument do TXT pred vložením do AI asistenta alebo prekladového nástroja?
Kopírovanie z Wordu môže spolu so slovami preniesť skryté formátovanie, inteligentné úvodzovky, mäkké spojovníky a neviditeľné kódy polí. Textový súbor dá nástroju presne znaky zo strany a jeho počet znakov zodpovedá tomu, čo uvidí cenová ponuka prekladu alebo limit tokenov.
Dajú sa nadpisy nejako označiť?
Čistý text nemá nadpisy, len riadky. Ak potrebujete, aby boli nadpisy rozpoznateľné, previesť radšej do Markdownu; DOCX do Markdownu ich zapíše ako riadky s # a tie sa stále prirodzene čítajú ako text.