DOCX నుండి TXT కన్వర్టర్
Word డాక్యుమెంట్ నుండి కేవలం పదాలను మాత్రమే వేరు చేయండి. మీరు తర్వాత వాడే ప్రోగ్రామ్‌కు కావలసిన ఎన్‌కోడింగ్, లైన్ ఎండింగ్ శైలిలో కన్వర్టర్ శుభ్రమైన .txt ఫైల్‌ను తయారు చేస్తుంది. ఇది సెర్చ్ టూల్స్, అనువాద సాఫ్ట్‌వేర్, స్క్రిప్ట్‌లు లేదా చాట్ విండోలో వాడటానికి సిద్ధంగా ఉంటుంది.
డాక్యుమెంట్ కన్వర్టర్
లేదా PDF, DOC, DOCX … ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
150 DPI ఒక A4 పేజీని సుమారు 1240 × 1754 pxగా మారుస్తుంది. ప్రింటింగ్ కోసం 300 ఉపయోగించండి.
మొత్తం ఫైల్‌ను లేదా కొన్ని పేజీలు లేదా స్లైడ్‌లను మాత్రమే మార్చండి (PDF మరియు ప్రెజెంటేషన్ ఇన్‌పుట్).
మార్చాల్సిన పేజీలు లేదా స్లైడ్లు, ఉదా. 1-3, 5, 8-10.
UTF-8 అన్ని భాషలకు పనిచేస్తుంది. Windowsలో Excel లేదా Notepad గందరగోళ అక్షరాలు చూపిస్తే BOMతో UTF-8 ఎంచుకోండి; పాత ఎన్‌కోడింగ్‌లు పాత సాఫ్ట్‌వేర్‌కు మాత్రమే.
macOS, Linux మరియు కోడ్ ఎడిటర్లకు LF; క్లాసిక్ Notepad వంటి పాత Windows ప్రోగ్రామ్‌లకు CRLF.
కామా ప్రామాణికం. దశాంశాలను కామాతో రాసే దేశాల్లో (జర్మనీ, ఫ్రాన్స్, బ్రెజిల్) Excel కోసం సెమికోలన్ ఉపయోగించండి.
అనేక షీట్లు ఉన్న Excel ఇన్‌పుట్: అన్నింటినీ మార్చండి (ప్రతి షీట్‌కు ఒక సెక్షన్ లేదా ఫైల్) లేదా మొదటిదాన్ని మాత్రమే.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
మీ DOCX ఫైళ్లను అప్‌లోడ్ చేయండి
ఒక డాక్యుమెంట్‌ను లేదా ఒక్కొక్కటి 95 MB వరకు ఉన్న 20 వరకు ఫైళ్ల బ్యాచ్‌ను డ్రాప్ చేయండి. పాత .doc, .docm, .dotx ఫైళ్లు కూడా అంగీకరించబడతాయి.
- 2
ఎన్‌కోడింగ్, లైన్ ఎండింగ్స్ ఎంచుకోండి
దీనికి మార్చండి Plain text గా ఉండి, ఫార్మాటింగ్ Text only లో ఉంటుంది. అధునాతన సెట్టింగ్‌లులో, పాత ప్రోగ్రామ్‌కు కోడ్ పేజీ అవసరమైతే తప్ప టెక్స్ట్ ఎన్కోడింగ్ను UTF-8లోనే ఉంచండి, క్లాసిక్ Windows టూల్స్ కోసం లైన్ ముగింపులులో CRLF ఎంచుకోండి.
- 3
TXTగా మార్చండి
Plain textకు మార్చండి నొక్కి, ప్రతి డాక్యుమెంట్కు ఒక .txt డౌన్‌లోడ్ చేసుకోండి, లేదా అన్నింటినీ కలిపి ZIPలో తీసుకోండి.
Word ఫైల్‌ను అప్‌లోడ్ చేసి, ఫార్మాటింగ్ను Text only లో ఉంచి, Plain textకు మార్చండి నొక్కండి; మీరు వేరే ఎన్‌కోడింగ్ ఎంచుకోకపోతే UTF-8లో ప్రతి పదంతో .txt వస్తుంది.
Word డాక్యుమెంట్ నుండి ప్లెయిన్ టెక్స్ట్ ఎందుకు తీయాలి
DOCX ఫైల్ అనేది XML భాగాల ZIP ఆర్కైవ్. పదాలు word/document.xmlలో రన్, పేరాగ్రాఫ్ ట్యాగ్‌ల మధ్య, స్టైల్ షీట్లు, నంబరింగ్ నిర్వచనాలు, ఇమేజ్‌లు, రిలేషన్‌షిప్‌ల పక్కన ఉంటాయి. టెక్స్ట్ మాత్రమే కావాల్సిన ప్రోగ్రామ్‌లు ముందు వాటన్నింటినీ విప్పాలి, చాలా ప్రోగ్రామ్‌లు ఫైల్‌ను అసలు అంగీకరించవు.
ఇక్కడే ప్లెయిన్ టెక్స్ట్ ఉపయోగపడుతుంది. ఇంటర్వ్యూలను టెక్స్ట్-విశ్లేషణ టూల్‌లోకి తీసుకునే పరిశోధకులు, అక్షరాల సంఖ్యతో కోట్ చేసే అనువాదకులు, డాక్యుమెంట్లను స్క్రిప్ట్‌కు ఇచ్చే డెవలపర్లు, కంటెంట్ సిస్టమ్‌లో కాపీ పేస్ట్ చేసే ఎడిటర్లు అందరికీ చుట్టూ ఉన్నవి లేకుండా పదాలే కావాలి. Word ఒక్కో ఫైల్‌ను Save As, File Conversion డైలాగ్ ద్వారా చేయగలదు; కన్వర్టర్ మొత్తం బ్యాచ్‌కు అదే చేస్తుంది, ఎన్కోడింగ్ను ఒక్కసారి సెట్ చేస్తే చాలు.
ఇతర మూలాల టెక్స్ట్ కూడా ఇలాగే: HTML నుండి TXT సేవ్ చేసిన వెబ్ పేజీలను శుభ్రం చేస్తుంది, స్లైడ్ డెక్‌లకు వేరే మార్గం ఉంది.
మీ TXT ఫైల్ కోసం ఎన్‌కోడింగ్, లైన్ ఎండింగ్స్ ఎంచుకోవడం
డిఫాల్ట్, దాదాపు అన్నింటికీ సరైన ఎంపిక. యాక్సెంట్ ఉన్న లాటిన్ నుండి Hangul, ఎమోజీ వరకు అన్ని లిపులను కవర్ చేస్తుంది, వెబ్ టూల్స్, Git, Python, ఆధునిక ఎడిటర్లు ఇదే ఆశిస్తాయి.
- Windows 10 వెర్షన్ 1903 నుండి Windows Notepad డిఫాల్ట్‌గా BOM లేకుండా UTF-8గా సేవ్ చేస్తోంది
- macOS, Linux, కోడ్ కోసం LF లైన్ ముగింపులతో జతచేయండి
UTF-8కు ఫైల్ ప్రారంభంలో మూడు మార్కర్ బైట్లు అదనం. Windows ప్రోగ్రామ్ యాక్సెంట్ అక్షరాలను é లాంటి గందరగోళంగా చూపినప్పుడు దీన్ని వాడండి.
- కొన్ని Unix టూల్స్ BOMను అనవసర అక్షరంగా చూపిస్తాయి
- క్లాసిక్ Windows సాఫ్ట్‌వేర్ కోసం CRLFతో జతచేయండి
Windows-1252, ISO-8859-1, Shift_JIS, GB18030, EUC-KR అనేవి Unicode కంటే ముందు రాసిన సాఫ్ట్‌వేర్ కోసం ఉన్నాయి. ఎంచుకున్న కోడ్ పేజీలో లేని అక్షరాలను నిల్వ చేయలేరు.
- ప్రోగ్రామ్ డాక్యుమెంటేషన్ అవసరమని చెప్పినప్పుడు మాత్రమే ఎంచుకోండి
- అలాగే .docm, .dotx
- .docx .doc
- ఎంచుకోదగిన టెక్స్ట్ ఎన్‌కోడింగ్‌లు
- 8
- లైన్ ముగింపు శైలులు
- LF / CRLF
- ఫైళ్లు తొలగించబడే వరకు
- 30 నిమి
DOCX
Microsoft Word డాక్యుమెంట్
DOCX అనేది Office 2007 నుంచి Microsoft Word డిఫాల్ట్ డాక్యుమెంట్ ఫార్మాట్; Office Open XML ప్రమాణం (ECMA-376, ISO/IEC 29500)పై ఆధారపడింది. ఇది టెక్స్ట్, స్టైల్స్, చిత్రాలు, పట్టికలు, కామెంట్లు, ట్రాక్ చేసిన మార్పులను కలిగిన XML ఫైళ్ల ZIP ప్యాకేజీ. కార్యాలయాలు, పాఠశాలలు, ఉద్యోగ దరఖాస్తుల్లో ఎడిట్ చేయగల డాక్యుమెంట్లకు ఇదే అత్యంత సాధారణ ఫార్మాట్. ముఖ్యంగా సంక్లిష్ట ఫార్మాటింగ్‌తో Word, Google Docs, LibreOffice, Pages మధ్య లేఅవుట్ కొద్దిగా మారవచ్చు. చాలా వర్డ్ ప్రాసెసర్లు DOCX ఫైళ్లను తెరుస్తాయి.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- 2007 · Microsoft
TXT
సాదా టెక్స్ట్
TXT ఫైల్లో ఫార్మాటింగ్, ఫాంట్లు, చిత్రాలు, లేఅవుట్ లేకుండా సాదా అక్షరాలు మాత్రమే ఉంటాయి. ఆధునిక టెక్స్ట్ ఫైళ్లు సాధారణంగా అన్ని భాషలను కవర్ చేసే UTF-8లో ఎన్‌కోడ్ అవుతాయి, పాత ఫైళ్లు ఇతర ఎన్‌కోడింగ్‌లు వాడి అక్షరాలు గందరగోళంగా చూపవచ్చు. సాదా టెక్స్ట్ చాలా చిన్నది, ఎప్పటికీ పాతబడదు, ఫోన్ల నుంచి సర్వర్ల వరకు ప్రతి పరికరంలో తెరుచుకుంటుంది. బోల్డ్ టెక్స్ట్, పట్టికలు, చిత్రాలను ఉంచలేదు, కాబట్టి నిర్మాణాన్ని ఖాళీలతో లేదా సరళమైన మార్కప్‌తో చూపాలి.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- –
తదుపరి దశకు పదాలే ముఖ్యమైనప్పుడు DOCXను TXTగా తగ్గిస్తారు: కార్పస్ లేదా సెర్చ్ ఇండెక్స్, అక్షరాలను లెక్కించే అనువాద కోట్, లైన్లను పార్స్ చేసే స్క్రిప్ట్, లేదా ప్లెయిన్ టెక్స్ట్ తప్ప మరేదీ అంగీకరించని ఫారమ్ ఫీల్డ్.
మీ DOCX నుండి TXT ఫైల్లో ఏవి పోతాయి
- ప్లెయిన్ టెక్స్ట్TXT · text/plain
- అక్షరాలు, లైన్ బ్రేక్‌లు మాత్రమే ఉండే ఫైల్; ఫాంట్లు, సైజ్‌లు, రంగులు, ఇమేజ్‌లు, పేజీ లేఅవుట్ ఉండవు. బైట్లను తిరిగి అక్షరాలుగా మార్చడానికి వాడే ఎన్‌కోడింగ్‌పైనే దీని అర్థం పూర్తిగా ఆధారపడుతుంది.
కనిపించే ప్రతిదీ పోతుంది: బోల్డ్, ఇటాలిక్స్, ఫాంట్లు, పేజీ బ్రేక్‌లు, హెడర్లు, కాలమ్‌లు, ఇమేజ్‌లు, చార్ట్‌లు. నంబర్ల, బుల్లెట్ జాబితాలు తమ పదాలను ఉంచుకుంటాయి, పేరాగ్రాఫ్‌లు క్రమాన్ని ఉంచుకుని లైన్ బ్రేక్‌లతో వేరుగా ఉంటాయి. ఇమేజ్‌లను చేర్చండి ఆన్ చేస్తే చిత్రాలను టెక్స్ట్ పక్కన ఫైళ్లుగా ఉంచవచ్చు; అవి TXTతో కలిపి ZIPలో వస్తాయి.
DOCX నుండి TXT: ప్రశ్నలు
ట్రాక్ చేసిన మార్పుల్లో తొలగించిన టెక్స్ట్ TXT ఫైల్లో వస్తుందా?
లేదు. కామెంట్లను చేర్చండి ఆఫ్లో ఉంటే, అన్ని మార్పులూ ఆమోదించిన తర్వాత డాక్యుమెంట్ ఎలా కనిపిస్తుందో అలాగే వస్తుంది: చేర్పులు ఉంటాయి, తొలగింపులు పోతాయి, కామెంట్ బెలూన్లు ఉండవు. రివ్యూయర్ కామెంట్లను టెక్స్ట్లో రాయాలనుకుంటేనే ఈ ఎంపికను ఆన్ చేయండి.
Word డాక్యుమెంట్లోని టేబుల్స్ ఏమవుతాయి?
ప్రతి టేబుల్ వరుస సెల్ కంటెంట్తో చదివే క్రమంలో ఒక టెక్స్ట్ లైన్ అవుతుంది. దీనివల్ల ప్రతి పదం ఉంటుంది కానీ గ్రిడ్ పోతుంది. కాబట్టి ఎక్కువగా టేబుళ్లతో ఉన్న డాక్యుమెంట్కు వాటిని నిజమైన టేబుళ్లుగా ఉంచే DOCX నుండి HTML మంచిది.
పాత Windows ప్రోగ్రామ్ కోసం ఏ ఎన్‌కోడింగ్ ఎంచుకోవాలి?
ముందుగా UTF-8 with BOM ప్రయత్నించండి; ఆ మూడు మార్కర్ బైట్లు ఫైల్ UTF-8 అని చాలా Windows ప్రోగ్రామ్‌లకు తెలియజేస్తాయి. ప్రోగ్రామ్ Unicode కంటే పాతదైతే, పశ్చిమ యూరోపియన్ టెక్స్ట్‌కు Windows-1252, జపనీస్‌కు Shift_JIS, చైనీస్‌కు GB18030, కొరియన్‌కు EUC-KR ఎంచుకోండి.
AI అసిస్టెంట్ లేదా అనువాద టూల్‌లో పేస్ట్ చేసే ముందు TXTగా ఎందుకు మార్చాలి?
Word నుండి కాపీ చేస్తే పదాలతో పాటు దాగి ఉన్న ఫార్మాటింగ్, స్మార్ట్ కోట్స్, సాఫ్ట్ హైఫన్లు, కనిపించని ఫీల్డ్ కోడ్‌లు కూడా వచ్చేయవచ్చు. ప్లెయిన్-టెక్స్ట్ ఫైల్ టూల్‌కు పేజీలోని అక్షరాలను మాత్రమే ఇస్తుంది, దాని అక్షరాల సంఖ్య అనువాద కోట్ లేదా టోకెన్ పరిమితి చూసే సంఖ్యతో సరిపోతుంది.
హెడింగ్లను ఏదో ఒక విధంగా గుర్తించి ఉంచవచ్చా?
ప్లెయిన్ టెక్స్ట్లో హెడ్డింగ్లు ఉండవు, లైన్లు మాత్రమే. హెడ్డింగ్లు గుర్తించదగినవిగా ఉండాలంటే బదులుగా Markdownకు మార్చండి; DOCX నుండి Markdown వాటిని టెక్స్ట్గా కూడా సహజంగా చదివేలా # లైన్లుగా రాస్తుంది.