Pliki TXT: zwykły tekst i to, czego „zwykły” w nim nie ma
Dlaczego zwykły tekst nie ma formatowania, co robią kodowanie i znaki końca linii i co dostajesz, wydobywając tekst z PDF. Konwertuj na TXT w przeglądarce.
W skrócie
- Typ
- Dokumenty
- Rozszerzenia
- .txt
- Typ MIME
- text/plain
Plik .txt to znaki i nic więcej — bez fontów, rozmiarów, pogrubień, nagłówków, obrazów i struktury stron. O ten brak właśnie chodzi: zwykły tekst to format, który przeczyta każde narzędzie na każdej platformie, który nadal otworzy się za pięćdziesiąt lat i który banalnie łatwo przeszukiwać, filtrować, porównywać i przekazywać innym programom.
Czytaj dalej
Większość kłopotów z plikami tekstowymi powodują dwa niewidoczne szczegóły. Kodowanie: te same bajty oznaczają różne znaki w UTF-8, Windows-1252 czy GB18030, dlatego plik może otworzyć się jako czytelny tekst w jednym edytorze i jako krzaki w innym. Wszystko, co zapisuje ta strona, jest w UTF-8, czyli współczesnym standardzie. I znaki końca linii: Windows używa powrotu karetki i nowej linii, Unix i macOS samej nowej linii, dlatego plik czasem wyświetla się jako jedna długa linia albo zyskuje dziwne znaki.
Wydobywanie tekstu z PDF to najczęstszy powód, dla którego ludzie tu trafiają, i warto wiedzieć, co dokładnie przetrwa. Linie są odtwarzane z położenia znaków na stronie, więc wynik zachowuje podziały linii. Struktury akapitów, nagłówków, wyróżnień, tabel i kolumn w zwykłym tekście w ogóle nie da się przedstawić — jeśli ich potrzebujesz, celem jest Word, który idzie tą samą drogą, łącznie z rozpoznawaniem na urządzeniu, gdy PDF jest skanem.
Konwertuj TXT na inne formaty
Konwertuj inne formaty na TXT
TXT — FAQ
Jakiego kodowania używa wynik?
UTF-8, który jest współczesnym standardem i obsługuje każdy język. Jeśli plik wygląda w starym edytorze jak krzaki, ten edytor prawdopodobnie zakłada starsze kodowanie.
Dlaczego mój plik tekstowy wyświetla się jako jedna długa linia?
Przez różnice w znakach końca linii. Windows oczekuje powrotu karetki i nowej linii; Unix i macOS używają samej nowej linii. Niektóre edytory w Windows pokazują przez to plik z Uniksa jako jedną linię.
Co jest tracone przy wydobywaniu tekstu z PDF?
Wszystko poza znakami i podziałami linii: nie ma nagłówków, pogrubień, tabel, obrazów ani kolumn. Jeśli potrzebujesz struktury, konwertuj na DOCX.
Dlaczego mój PDF w dwóch kolumnach jest w pliku tekstowym pomieszany?
Bo PDF przechowuje rozmieszczone znaki, a nie kolumny, więc kolejność czytania trzeba odgadnąć — a przy układach wielokolumnowych to odgadnięcie często bywa błędne. To nieodłączna cecha formatu.
Czy działa na zeskanowanych PDF?
Tak. Gdy PDF nie ma warstwy tekstowej, w Twojej przeglądarce działa model rozpoznawania AI, który odczytuje znaki z obrazów stron. Nic nie jest wysyłane.
Dlaczego wybrać TXT zamiast DOCX?
Gdy chcesz słów, a nie dokumentu — do przeszukiwania, wklejenia do notatek, przekazania innemu narzędziu albo przechowania czegoś, co otworzy się jeszcze za dziesięciolecia.