TXT-Dateien: reiner Text – und was „rein“ weglässt
Warum reiner Text keine Formatierung hat, was Kodierung und Zeilenenden bewirken und was beim Extrahieren aus einer PDF bleibt. In TXT umwandeln, ohne Upload.
Auf einen Blick
- Typ
- Dokumente
- Dateiendungen
- .txt
- MIME-Typ
- text/plain
Eine .txt-Datei besteht aus Zeichen und sonst nichts – keine Schriften, keine Größen, kein Fett, keine Überschriften, keine Bilder, keine Seitenstruktur. Genau dieses Fehlen ist der Sinn: Reiner Text ist das Format, das jedes Tool auf jeder Plattform lesen kann, das sich auch in fünfzig Jahren noch öffnen lässt und das sich mühelos durchsuchen, greppen, vergleichen und an ein anderes Programm weitergeben lässt.
Weiterlesen
Zwei unsichtbare Details verursachen die meisten Probleme mit Textdateien. Die Kodierung: Dieselben Bytes bedeuten unter UTF-8, Windows-1252 oder GB18030 verschiedene Zeichen, weshalb eine Datei in einem Editor als lesbarer Text und in einem anderen als Zeichensalat erscheinen kann. Alles, was diese Website schreibt, ist UTF-8, der moderne Standard. Und die Zeilenenden: Windows verwendet Wagenrücklauf plus Zeilenvorschub, Unix und macOS nur den Zeilenvorschub, weshalb eine Datei manchmal als eine einzige lange Zeile erscheint oder verirrte Zeichen bekommt.
Text aus einer PDF zu extrahieren ist der häufigste Grund, hier zu landen, und es lohnt sich, genau zu wissen, was dabei erhalten bleibt. Zeilen werden aus den Positionen der Glyphen auf der Seite rekonstruiert, die Ausgabe behält also ihre Zeilenumbrüche. Absatzstruktur, Überschriften, Hervorhebungen, Tabellen und Spalten lassen sich in reinem Text überhaupt nicht darstellen – wenn Sie diese brauchen, ist Word das Ziel, und es geht denselben Weg, einschließlich Erkennung auf dem Gerät, wenn die PDF ein Scan ist.
TXT in andere Formate umwandeln
Andere Formate in TXT umwandeln
FAQ: TXT
Welche Kodierung verwendet die Ausgabe?
UTF-8, den modernen Standard, der jede Sprache abdeckt. Wenn eine Datei in einem alten Editor wie Zeichensalat aussieht, nimmt dieser Editor vermutlich stattdessen eine veraltete Kodierung an.
Warum erscheint meine Textdatei als eine einzige lange Zeile?
Wegen unterschiedlicher Zeilenenden. Windows erwartet Wagenrücklauf plus Zeilenvorschub; Unix und macOS verwenden nur den Zeilenvorschub. Manche Windows-Editoren zeigen eine Unix-Datei deshalb als eine einzige Zeile.
Was geht beim Extrahieren von Text aus einer PDF verloren?
Alles außer den Zeichen und den Zeilenumbrüchen: keine Überschriften, kein Fett, keine Tabellen, keine Bilder, keine Spalten. Wenn Sie Struktur brauchen, wandeln Sie stattdessen in DOCX um.
Warum ist meine zweispaltige PDF in der Textdatei durcheinander?
Weil eine PDF positionierte Glyphen statt Spalten speichert, die Lesereihenfolge also erschlossen werden muss – und bei mehrspaltigen Layouts liegt diese Schlussfolgerung oft falsch. Das liegt in der Natur des Formats.
Funktioniert es mit gescannten PDFs?
Ja. Hat eine PDF keine Textebene, läuft ein KI-Erkennungsmodell in Ihrem Browser, das die Zeichen von den Seitenbildern abliest. Nichts wird hochgeladen.
Warum TXT statt DOCX?
Wenn Sie die Wörter wollen statt eines Dokuments – zum Durchsuchen, zum Einfügen in Notizen, zur Weitergabe an ein anderes Tool oder um etwas aufzubewahren, das sich auch in Jahrzehnten noch öffnen lässt.