Archivos TXT: texto plano, y lo que «plano» deja fuera
Por qué el texto plano no tiene formato, qué causan la codificación y los saltos de línea, y qué da extraer texto de un PDF. Convierte a TXT sin subir nada.
De un vistazo
- Tipo
- Documentos
- Extensiones
- .txt
- Tipo MIME
- text/plain
Un archivo .txt son caracteres y nada más: sin fuentes, sin tamaños, sin negrita, sin títulos, sin imágenes, sin estructura de página. Esa ausencia es precisamente lo que lo hace útil: el texto plano es el formato que puede leer cualquier herramienta en cualquier plataforma, que seguirá abriéndose dentro de cincuenta años y que es trivial buscar, filtrar con grep, comparar con diff y pasar a otro programa.
Leer más
Dos detalles invisibles causan la mayoría de los problemas con los archivos de texto. La codificación: los mismos bytes significan caracteres distintos en UTF-8, Windows-1252 o GB18030, y por eso un archivo puede abrirse como texto legible en un editor y como basura en otro. Todo lo que escribe este sitio está en UTF-8, que es el estándar actual. Y los saltos de línea: Windows usa retorno de carro más salto de línea, mientras que Unix y macOS usan solo el salto de línea, y por eso a veces un archivo aparece como una única línea larga o con caracteres extraños.
Extraer el texto de un PDF es el motivo más habitual por el que la gente llega aquí, y conviene saber exactamente qué se conserva. Las líneas se reconstruyen a partir de la posición de los glifos en la página, así que el resultado mantiene los saltos de línea. La estructura de párrafos, los títulos, el énfasis, las tablas y las columnas no se pueden representar en texto plano: si los necesitas, el destino adecuado es Word, que sigue el mismo camino, incluido el reconocimiento en el propio dispositivo cuando el PDF es un escaneo.
Convertir TXT a otros formatos
Convertir otros formatos a TXT
Preguntas frecuentes: TXT
¿Qué codificación usa el archivo resultante?
UTF-8, que es el estándar actual y admite todos los idiomas. Si un archivo se ve como basura en un editor antiguo, probablemente ese editor esté suponiendo una codificación heredada.
¿Por qué mi archivo de texto aparece como una sola línea larga?
Por las diferencias en los saltos de línea. Windows espera retorno de carro más salto de línea; Unix y macOS usan solo el salto de línea. Por eso algunos editores de Windows muestran un archivo de Unix como una única línea.
¿Qué se pierde al extraer el texto de un PDF?
Todo salvo los caracteres y los saltos de línea: ni títulos, ni negrita, ni tablas, ni imágenes, ni columnas. Si necesitas la estructura, convierte a DOCX.
¿Por qué mi PDF a dos columnas sale desordenado en el archivo de texto?
Porque un PDF guarda glifos posicionados, no columnas, así que el orden de lectura hay que deducirlo, y en diseños de varias columnas esa deducción a menudo falla. Es algo inherente al formato.
¿Funciona con PDF escaneados?
Sí. Cuando un PDF no tiene capa de texto, un modelo de reconocimiento con IA se ejecuta en tu navegador para leer los caracteres de las imágenes de las páginas. No se sube nada.
¿Por qué elegir TXT en lugar de DOCX?
Cuando quieres las palabras y no un documento: para buscar, pegarlas en tus notas, pasarlas a otra herramienta o guardar algo que se seguirá abriendo dentro de varias décadas.