Tệp TXT: văn bản thuần, và những gì “thuần” bỏ đi
Vì sao văn bản thuần không có định dạng, bảng mã và ký tự xuống dòng là gì, và lấy chữ từ PDF thì nhận được gì. Chuyển sang TXT ngay trên trình duyệt.
Tóm tắt nhanh
- Loại
- Tài liệu
- Đuôi tệp
- .txt
- Kiểu MIME
- text/plain
Tệp .txt chỉ có ký tự và không gì khác — không phông chữ, không cỡ chữ, không in đậm, không tiêu đề, không hình ảnh, không cấu trúc trang. Sự vắng mặt đó chính là mục đích: văn bản thuần là định dạng mà mọi công cụ trên mọi nền tảng đều đọc được, vẫn mở được sau năm mươi năm nữa, và cực kỳ dễ tìm kiếm, lọc bằng grep, so sánh khác biệt và đưa vào chương trình khác.
Đọc thêm
Hai chi tiết vô hình gây ra phần lớn rắc rối với tệp văn bản. Bảng mã: cùng một chuỗi byte mang nghĩa ký tự khác nhau theo UTF-8, Windows-1252 hay GB18030, đó là lý do một tệp có thể mở ra thành chữ đọc được trong trình soạn thảo này nhưng thành ký tự rác trong trình soạn thảo khác. Mọi thứ trang này ghi ra đều là UTF-8, mặc định hiện đại. Và ký tự xuống dòng: Windows dùng carriage return cộng line feed, Unix và macOS chỉ dùng line feed, đó là lý do một tệp đôi khi hiện thành một dòng dài hoặc bị thêm ký tự lạ.
Lấy chữ từ PDF là con đường phổ biến nhất đưa người ta đến đây, và nên biết chính xác những gì còn lại. Các dòng được dựng lại từ vị trí ký tự trên trang, nên kết quả giữ nguyên ngắt dòng. Cấu trúc đoạn, tiêu đề, chữ nhấn mạnh, bảng và cột hoàn toàn không thể hiện được trong văn bản thuần — nếu bạn cần chúng, Word là định dạng đích, và nó đi theo cùng cách xử lý, kể cả nhận dạng ngay trên thiết bị khi PDF là bản quét.
Chuyển TXT sang định dạng khác
Chuyển định dạng khác sang TXT
Câu hỏi thường gặp về TXT
Kết quả dùng bảng mã nào?
UTF-8, mặc định hiện đại và hỗ trợ mọi ngôn ngữ. Nếu tệp hiện thành ký tự rác trong một trình soạn thảo cũ, có lẽ trình soạn thảo đó đang mặc định dùng một bảng mã cũ.
Vì sao tệp văn bản của tôi hiện thành một dòng dài?
Do khác biệt ký tự xuống dòng. Windows cần carriage return cộng line feed; Unix và macOS chỉ dùng line feed. Vì vậy một số trình soạn thảo trên Windows hiển thị tệp Unix thành một dòng duy nhất.
Lấy chữ từ PDF thì mất những gì?
Mọi thứ trừ ký tự và ngắt dòng: không tiêu đề, không in đậm, không bảng, không hình ảnh, không cột. Nếu bạn cần cấu trúc, hãy chuyển sang DOCX.
Vì sao PDF hai cột của tôi bị lộn xộn trong tệp văn bản?
Vì PDF lưu các ký tự kèm vị trí chứ không lưu cột, nên thứ tự đọc phải suy ra — và với bố cục nhiều cột thì việc suy ra thường sai. Đó là bản chất của định dạng.
Có dùng được với PDF bản quét không?
Có. Khi PDF không có lớp chữ, một mô hình nhận dạng AI chạy trong trình duyệt để đọc ký tự từ ảnh các trang. Không có gì bị tải lên.
Vì sao chọn TXT thay vì DOCX?
Khi bạn cần chữ chứ không cần tài liệu — để tìm kiếm, dán vào ghi chú, đưa vào công cụ khác, hoặc lưu trữ thứ gì đó vẫn mở được sau hàng chục năm.