ملفات TXT: النص الخام، وما الذي يُسقطه وصف «خام»
لماذا لا يحمل النص الخام أي تنسيق، وما أثر اختلاف الترميز ونهايات الأسطر، وما الذي تحصل عليه حين تستخرج النص من PDF. حوّل إلى TXT داخل متصفحك دون رفع أي ملف.
نظرة سريعة
- النوع
- مستندات
- الامتدادات
- .txt
- نوع MIME
- text/plain
ملف .txt حروف ولا شيء غيرها — لا خطوط، ولا أحجام، ولا خط عريض، ولا عناوين، ولا صور، ولا بنية صفحات. وهذا الغياب هو المقصود بالذات: فالنص الخام هو الصيغة التي تستطيع كل أداة على كل منصة قراءتها، والتي ستظل تُفتح بعد خمسين عامًا، والتي يسهل للغاية البحث فيها وتمريرها إلى grep ومقارنتها وتغذية برنامج آخر بها.
اقرأ المزيد
تفصيلتان غير مرئيتين تسبّبان معظم المتاعب مع الملفات النصية. الترميز: فالبايتات نفسها تعني حروفًا مختلفة وفق UTF-8 أو Windows-1252 أو GB18030، ولهذا قد يُفتح ملف نصًا مقروءًا في محرر ورموزًا مشوّهة في محرر آخر. وكل ما يكتبه هذا الموقع بترميز UTF-8، وهو الافتراضي الحديث. ونهايات الأسطر: يستخدم Windows حرف الرجوع إلى بداية السطر متبوعًا بحرف السطر الجديد، بينما يستخدم Unix وmacOS حرف السطر الجديد وحده، ولهذا يظهر الملف أحيانًا سطرًا واحدًا طويلًا أو تظهر فيه حروف دخيلة.
استخراج النص من ملف PDF هو أكثر ما يأتي بالناس إلى هنا، ومن المفيد أن تعرف بدقة ما الذي ينجو منه. تُعاد بناء الأسطر من مواضع الحروف المرسومة على الصفحة، فيحتفظ الناتج بفواصل الأسطر. أما بنية الفقرات والعناوين والتوكيد والجداول والأعمدة فلا يمكن تمثيلها في النص الخام أصلًا — وإن كنت تحتاج إليها فصيغة Word هي الهدف، وهي تسلك الطريق نفسه بما في ذلك التعرّف على الجهاز حين يكون ملف PDF ممسوحًا ضوئيًا.
تحويل TXT إلى صيغ أخرى
تحويل صيغ أخرى إلى TXT
الأسئلة الشائعة: TXT
ما الترميز الذي يستخدمه الناتج؟
UTF-8، وهو الافتراضي الحديث ويتعامل مع كل اللغات. وإن بدا ملف كرموز مشوّهة في محرر قديم، فالأرجح أن ذلك المحرر يفترض ترميزًا قديمًا بدلًا منه.
لماذا يظهر ملفي النصي سطرًا واحدًا طويلًا؟
بسبب اختلاف نهايات الأسطر. يتوقع Windows حرف الرجوع إلى بداية السطر متبوعًا بحرف السطر الجديد؛ ويستخدم Unix وmacOS حرف السطر الجديد وحده. ونتيجة لذلك تعرض بعض محررات Windows ملف Unix سطرًا واحدًا.
ما الذي يضيع عند استخراج النص من PDF؟
كل شيء عدا الحروف وفواصل الأسطر: لا عناوين، ولا خط عريض، ولا جداول، ولا صور، ولا أعمدة. وإن كنت تحتاج إلى البنية، فحوّل إلى DOCX بدلًا من ذلك.
لماذا يختلط محتوى ملف PDF ذي العمودين في الملف النصي؟
لأن ملف PDF يخزّن حروفًا مرسومة في مواضع محددة لا أعمدة، فيجب استنتاج ترتيب القراءة — وفي التخطيطات متعددة الأعمدة كثيرًا ما يخطئ هذا الاستنتاج. وهذا أمر متأصل في الصيغة.
هل يعمل مع ملفات PDF الممسوحة ضوئيًا؟
نعم. حين لا يحتوي ملف PDF على طبقة نصية، يعمل نموذج تعرّف بالذكاء الاصطناعي في متصفحك ليقرأ الحروف من صور الصفحات. لا يُرفع أي شيء.
لماذا أختار TXT بدلًا من DOCX؟
حين تريد الكلمات لا المستند — للبحث، أو للصق في ملاحظاتك، أو لتغذية أداة أخرى بها، أو لتخزين شيء سيظل يُفتح بعد عقود من الآن.