Конвертер DOCX у TXT
Залиште від документа Word лише слова. Конвертер створює чистий файл .txt у тому кодуванні й зі стилем кінців рядків, яких очікує ваша наступна програма: для пошукових інструментів, програм перекладу, скриптів чи вікна чату.
Конвертер документів
або перетягніть Файли PDF, DOC, DOCX … сюди ·
До 95 МБ на файл· До 20 файлів· Видаляються через 30 хв
Файли обробляються на наших серверах і видаляються через 30 хв.
150 DPI перетворює сторінку A4 приблизно на 1240 × 1754 px. Для друку використовуйте 300.
Перетворити весь файл або лише частину сторінок чи слайдів (для PDF і презентацій).
Сторінки або слайди для перетворення, наприклад 1-3, 5, 8-10.
UTF-8 підходить для всіх мов. Виберіть UTF-8 with BOM, якщо Excel або Блокнот у Windows показує спотворені символи; застарілі кодування — лише для старих програм.
LF — для macOS, Linux і редакторів коду; CRLF — для старіших програм Windows, як-от класичний Блокнот.
Кома — стандартний варіант. Для Excel у країнах, де десяткові дроби пишуть через кому (Німеччина, Франція, Бразилія), використовуйте крапку з комою.
Для файлів Excel з кількома аркушами: перетворити всі (по одному розділу чи файлу на аркуш) або лише перший.
Як користуватися цим інструментом
- 1
Виберіть файли DOCX
Перетягніть один документ або пакет до 20 файлів, кожен до 95 MB. Старіші файли .doc, .docm і .dotx також підтримуються.
- 2
Виберіть кодування й кінці рядків
У полі Конвертувати в вибрано Plain text, а Форматування встановлено на Text only. У розділі Додаткові налаштування залиште Кодування тексту UTF-8, якщо стара програма не вимагає кодову сторінку, а в Закінчення рядків виберіть CRLF для класичних інструментів Windows.
- 3
Конвертуйте в TXT
Натисніть Конвертувати в Plain text і завантажте по одному .txt на кожен документ або всі разом у ZIP.
Завантажте файл Word, залиште Форматування на Text only і натисніть Конвертувати в Plain text, щоб отримати .txt з усіма словами в UTF-8, якщо ви не виберете інше кодування.
Навіщо витягати чистий текст із документа Word
Файл DOCX — це ZIP-архів із XML-частинами. Слова містяться в word/document.xml, обгорнуті в теги фрагментів і абзаців, поруч зі стилями, визначеннями нумерації, зображеннями та зв’язками. Програмам, яким потрібен лише текст, спершу доводиться все це розпакувати, і багато хто просто відмовляється відкривати такий файл.
Тут і допомагає простий текст. Дослідники, які завантажують інтерв’ю в інструмент аналізу тексту, перекладачі, що рахують вартість за символами, розробники, які подають документи скриптові, і редактори, що вставляють текст у систему керування вмістом, — усім потрібні слова без обгортки. Word може зробити це по одному файлу через Зберегти як і діалог перетворення файлу; конвертер робить те саме для цілого пакета, а кодування достатньо задати один раз.
Текст з інших джерел обробляється так само: HTML у TXT очищає збережені вебсторінки, а презентації мають власний шлях.
Як вибрати кодування й кінці рядків для файлу TXT
Типовий і правильний вибір майже для всього. Охоплює всі писемності, від латиниці з діакритикою до хангиля та емодзі, і саме його очікують вебінструменти, Git, Python і сучасні редактори.
- Блокнот Windows зберігає UTF-8 без BOM за замовчуванням починаючи з Windows 10 версії 1903
- Поєднуйте із закінченнями рядків LF для macOS, Linux і коду
UTF-8 плюс три маркерні байти на початку файлу. Використовуйте, коли програма Windows показує літери з діакритикою як é чи інше сміття.
- Деякі інструменти Unix виводять BOM як зайвий символ
- Поєднуйте з CRLF для класичного ПЗ Windows
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 і EUC-KR існують для програм, написаних до появи Unicode. Символи поза вибраною кодовою сторінкою зберегти неможливо.
- Обирайте лише тоді, коли в документації програми сказано, що це потрібно
- а також .docm і .dotx
- .docx .doc
- кодувань тексту на вибір
- 8
- стилі закінчення рядків
- LF / CRLF
- до видалення файлів
- 30 хв
DOCX
Документ Microsoft Word
DOCX — це типовий формат документів Microsoft Word з часів Office 2007, що ґрунтується на стандарті Office Open XML (ECMA-376, ISO/IEC 29500). Це ZIP-пакет файлів XML, у якому зберігаються текст, стилі, зображення, таблиці, коментарі та відстежені зміни. Це найпоширеніший формат редагованих документів в офісах, школах і під час подання на роботу. Макет може трохи зміщуватися між Word, Google Docs, LibreOffice і Pages, особливо за складного форматування. Більшість текстових редакторів відкривають файли DOCX.
- Стиснення
- –
- Прозорість
- –
- Анімація
- –
- Рік появи
- 2007 · Microsoft
TXT
Простий текст
Файл TXT містить лише звичайні символи без форматування, шрифтів, зображень чи макета. Сучасні текстові файли зазвичай кодуються в UTF-8, що охоплює всі мови, хоча старіші можуть мати інші кодування й показувати нечитабельні символи. Простий текст дуже малий, ніколи не застаріває та відкривається на будь-якому пристрої — від телефонів до серверів. У ньому не можна зберегти жирний шрифт, таблиці чи картинки, тож структуру доводиться передавати відступами або простою розміткою.
- Стиснення
- –
- Прозорість
- –
- Анімація
- –
- Рік появи
- –
DOCX зводять до TXT, коли для наступного кроку важать лише слова: корпус текстів чи пошуковий індекс, розрахунок вартості перекладу за символами, скрипт, що розбирає рядки, або поле форми, яке приймає лише простий текст.
Що втрачає ваш DOCX при перетворенні на TXT
- Простий текстTXT · text/plain
- Файл лише із символів і розривів рядків, без шрифтів, розмірів, кольорів, зображень чи розмітки сторінки. Його зміст повністю залежить від кодування, яке перетворює байти назад на символи.
Усе візуальне зникає: напівжирний, курсив, шрифти, розриви сторінок, колонтитули, колонки, зображення й діаграми. Нумеровані та марковані списки зберігають слова, абзаци лишаються в тому самому порядку та розділені розривами рядків. Зображення все ж можна зберегти файлами поруч із текстом, увімкнувши Включити зображення: їх буде запаковано разом із TXT у ZIP.
Запитання про конвертацію DOCX у TXT
Чи потрапить у текстовий файл видалений текст із записаних виправлень?
Ні. Якщо Включити коментарі вимкнено, ви отримаєте документ у тому вигляді, який він має після прийняття всіх змін: вставки залишаються, видалення зникають, а виноски коментарів не потрапляють у текст. Вмикайте цей параметр лише тоді, коли хочете, щоб коментарі рецензентів були записані в текст.
Що відбувається з таблицями документа Word?
Кожен рядок таблиці стає рядком тексту, у якому вміст клітинок іде в порядку читання. Усі слова зберігаються, але сітка втрачається, тому для документа, що здебільшого складається з таблиць, краще підійде DOCX у HTML, де вони лишаються справжніми таблицями.
Яке кодування вибрати для старої програми Windows?
Спершу спробуйте UTF-8 with BOM: три маркерні байти підказують багатьом програмам Windows, що файл у UTF-8. Якщо програма старіша за Unicode, виберіть Windows-1252 для західноєвропейського тексту, Shift_JIS для японського, GB18030 для китайського або EUC-KR для корейського.
Навіщо конвертувати в TXT, перш ніж вставляти текст в AI-асистента чи програму перекладу?
Під час копіювання з Word разом зі словами можуть потрапити прихована розмітка, «розумні» лапки, м’які переноси та невидимі коди полів. Текстовий файл дає інструменту саме ті символи, що є на сторінці, а кількість символів збігається з тією, яку побачить розрахунок вартості перекладу чи ліміт токенів.
Чи можна якось позначити заголовки?
У простому тексті немає заголовків, лише рядки. Якщо заголовки мають лишатися впізнаваними, конвертуйте у Markdown: DOCX у Markdown записує їх як рядки з # і вони природно читаються як текст.