Chuyển DOCX sang TXT
Lọc tài liệu Word chỉ còn lại phần chữ. Công cụ tạo file .txt sạch với bảng mã và kiểu xuống dòng mà chương trình tiếp theo của bạn cần, sẵn sàng dùng cho công cụ tìm kiếm, phần mềm dịch thuật, script hoặc khung chat.
Chuyển đổi tài liệu
hoặc thả tệp PDF, DOC, DOCX … vào đây ·
Tối đa 95 MB mỗi tệp· Tối đa 20 tệp· Xóa sau 30 phút
Tệp được xử lý trên máy chủ của chúng tôi và bị xóa sau 30 phút.
150 DPI biến một trang A4 thành khoảng 1240 × 1754 px. Dùng 300 để in.
Chuyển toàn bộ tệp hoặc chỉ một số trang hay trang chiếu (với đầu vào PDF và bản trình chiếu).
Các trang hoặc trang chiếu cần chuyển, ví dụ 1-3, 5, 8-10.
UTF-8 dùng được cho mọi ngôn ngữ. Chọn UTF-8 có BOM nếu Excel hoặc Notepad trên Windows hiển thị ký tự lỗi; chỉ dùng các bảng mã cũ cho phần mềm cũ.
LF cho macOS, Linux và trình soạn thảo mã; CRLF cho các chương trình Windows cũ như Notepad bản cổ điển.
Dấu phẩy là chuẩn. Dùng dấu chấm phẩy cho Excel ở các nước viết số thập phân bằng dấu phẩy (Đức, Pháp, Brazil).
Với đầu vào Excel có nhiều trang tính: chuyển tất cả (mỗi trang tính một phần hoặc một tệp) hoặc chỉ trang đầu tiên.
Cách sử dụng công cụ này
- 1
Tải lên file DOCX
Kéo thả một tài liệu hoặc một loạt tối đa 20 tệp, mỗi tệp tối đa 95 MB. Các tệp .doc, .docm và .dotx cũ hơn cũng được chấp nhận.
- 2
Chọn bảng mã và kiểu xuống dòng
Chuyển sang chọn Văn bản thuần và Định dạng văn bản để ở Chỉ văn bản. Trong Cài đặt nâng cao, giữ Mã hóa ký tự là UTF-8 trừ khi chương trình cũ cần bảng mã riêng, và chọn CRLF ở Ký tự xuống dòng cho các công cụ Windows cổ điển.
- 3
Chuyển sang TXT
Nhấn Chuyển sang Văn bản thuần → rồi tải xuống mỗi tài liệu một tệp .txt, hoặc tải tất cả cùng nhau trong một tệp ZIP.
Tải tệp Word lên, giữ Định dạng văn bản ở Chỉ văn bản và nhấn Chuyển sang Văn bản thuần → để nhận tệp .txt có đủ mọi từ, mã hóa UTF-8 trừ khi bạn chọn mã hóa khác.
Vì sao nên lấy văn bản thuần từ tài liệu Word
Tệp DOCX là một kho lưu trữ ZIP gồm các phần XML. Chữ nằm trong word/document.xml, bọc trong các thẻ đoạn và run, bên cạnh bảng kiểu, định nghĩa đánh số, hình ảnh và các quan hệ. Những chương trình chỉ cần văn bản phải giải nén toàn bộ phần đó trước, và nhiều chương trình đơn giản là từ chối tệp.
Đó là lúc văn bản thuần phát huy tác dụng. Nhà nghiên cứu nạp bản phỏng vấn vào công cụ phân tích văn bản, dịch giả báo giá theo số ký tự, lập trình viên đưa tài liệu cho script và biên tập viên dán nội dung vào hệ thống quản lý nội dung đều cần chữ mà không có lớp bao bọc. Word có thể làm từng tệp một qua Save As và hộp thoại File Conversion; công cụ chuyển đổi làm tương tự cho cả loạt tệp và cho bạn đặt mã hóa một lần.
Văn bản từ các nguồn khác cũng làm tương tự: HTML sang TXT làm sạch các trang web đã lưu, còn bản trình chiếu có cách xử lý riêng.
Chọn bảng mã và kiểu xuống dòng cho file TXT
Là mặc định và là lựa chọn đúng cho hầu hết mọi trường hợp. Nó bao phủ mọi hệ chữ, từ chữ Latin có dấu đến Hangul và emoji, và là thứ các công cụ web, Git, Python và trình soạn thảo hiện đại mong đợi.
- Windows Notepad lưu UTF-8 không có BOM theo mặc định từ Windows 10 phiên bản 1903
- Kết hợp với ký tự xuống dòng LF cho macOS, Linux và mã nguồn
UTF-8 cộng thêm ba byte đánh dấu ở đầu tệp. Dùng khi chương trình Windows hiển thị chữ có dấu thành é hoặc ký tự lỗi tương tự.
- Một số công cụ Unix in BOM thành một ký tự lạ
- Kết hợp với CRLF cho phần mềm Windows cổ điển
Windows-1252, ISO-8859-1, Shift_JIS, GB18030 và EUC-KR dành cho phần mềm viết trước thời Unicode. Các ký tự nằm ngoài bảng mã đã chọn không thể được lưu.
- Chỉ chọn khi chương trình ghi rõ là cần bảng mã đó
- cộng thêm .docm và .dotx
- .docx .doc
- mã hóa ký tự để chọn
- 8
- kiểu ký tự xuống dòng
- LF / CRLF
- cho đến khi tệp bị xóa
- 30 phút
DOCX
Tài liệu Microsoft Word
DOCX là định dạng tài liệu mặc định của Microsoft Word từ Office 2007, dựa trên tiêu chuẩn Office Open XML (ECMA-376, ISO/IEC 29500). Đây là một gói ZIP gồm các tệp XML chứa văn bản, kiểu định dạng, hình ảnh, bảng, nhận xét và theo dõi thay đổi. DOCX là định dạng phổ biến nhất cho tài liệu có thể chỉnh sửa trong văn phòng, trường học và hồ sơ xin việc. Bố cục có thể xê dịch đôi chút giữa Word, Google Docs, LibreOffice và Pages, nhất là với định dạng phức tạp. Hầu hết trình xử lý văn bản đều mở được tệp DOCX.
- Nén
- –
- Độ trong suốt
- –
- Ảnh động
- –
- Ra mắt
- 2007 · Microsoft
TXT
Văn bản thuần
Tệp TXT chỉ chứa ký tự thuần, không có định dạng, phông chữ, hình ảnh hay bố cục. Tệp văn bản hiện đại thường được mã hóa UTF-8, bao quát mọi ngôn ngữ, dù các tệp cũ có thể dùng bảng mã khác và hiển thị ký tự lỗi. Văn bản thuần rất nhỏ, không bao giờ lỗi thời và mở được trên mọi thiết bị, từ điện thoại đến máy chủ. Định dạng không chứa được chữ đậm, bảng hay hình ảnh, nên cấu trúc phải được thể hiện bằng khoảng trắng hoặc ký hiệu đánh dấu đơn giản.
- Nén
- –
- Độ trong suốt
- –
- Ảnh động
- –
- Ra mắt
- –
DOCX được rút gọn thành TXT khi bước tiếp theo chỉ cần chữ: kho ngữ liệu hoặc chỉ mục tìm kiếm, báo giá dịch thuật tính theo ký tự, script phân tích từng dòng, hoặc ô biểu mẫu chỉ chấp nhận văn bản thuần.
Những gì bị lược bỏ khi chuyển DOCX sang TXT
- Văn bản thuầnTXT · text/plain
- Tệp chỉ gồm ký tự và dấu xuống dòng, không có phông chữ, cỡ chữ, màu sắc, hình ảnh hay bố cục trang. Ý nghĩa của nó hoàn toàn phụ thuộc vào mã hóa dùng để chuyển các byte trở lại thành ký tự.
Mọi thứ thuộc về hình thức đều mất: in đậm, in nghiêng, phông chữ, ngắt trang, đầu trang, cột, hình ảnh và biểu đồ. Danh sách đánh số và danh sách gạch đầu dòng giữ lại chữ, các đoạn giữ nguyên thứ tự và được ngăn cách bằng dấu xuống dòng. Hình ảnh vẫn có thể được giữ thành tệp riêng bên cạnh văn bản bằng cách bật Bao gồm hình ảnh, khi đó chúng được gói cùng TXT trong một tệp ZIP.
Câu hỏi thường gặp về chuyển DOCX sang TXT
File văn bản có chứa phần chữ đã xóa trong chế độ theo dõi thay đổi (Track Changes) không?
Không. Khi tắt Bao gồm nhận xét, bạn nhận tài liệu như khi đọc sau khi chấp nhận mọi thay đổi: phần chèn thêm được giữ, phần xóa biến mất và các bong bóng nhận xét bị bỏ qua. Chỉ bật tùy chọn này nếu bạn muốn ghi nhận xét của người duyệt vào văn bản.
Bảng trong tài liệu Word sẽ được xử lý thế nào?
Mỗi hàng của bảng trở thành một dòng văn bản, với nội dung các ô theo thứ tự đọc. Cách này giữ mọi từ nhưng mất cấu trúc lưới, nên với tài liệu chủ yếu là bảng, DOCX sang HTML phù hợp hơn vì giữ chúng thành bảng thật.
Nên chọn bảng mã nào cho chương trình Windows cũ?
Hãy thử UTF-8 with BOM trước; ba byte đánh dấu giúp nhiều chương trình Windows nhận ra tệp là UTF-8. Nếu chương trình ra đời trước Unicode, hãy chọn Windows-1252 cho văn bản Tây Âu, Shift_JIS cho tiếng Nhật, GB18030 cho tiếng Trung hoặc EUC-KR cho tiếng Hàn.
Vì sao nên chuyển sang TXT trước khi dán vào trợ lý AI hoặc công cụ dịch?
Sao chép từ Word có thể kèm theo định dạng ẩn, dấu nháy kiểu thông minh, dấu gạch nối mềm và mã trường vô hình cùng với chữ. Tệp văn bản thuần cho công cụ đúng những ký tự có trên trang, và số ký tự khớp với những gì báo giá dịch thuật hoặc giới hạn token sẽ tính.
Có thể giữ lại dấu hiệu nhận biết tiêu đề không?
Văn bản thuần không có tiêu đề, chỉ có các dòng. Nếu cần giữ tiêu đề dễ nhận biết, hãy chuyển sang Markdown; DOCX sang Markdown ghi chúng thành các dòng bắt đầu bằng # vẫn đọc tự nhiên như văn bản.