DOC を TEXT に変換 — 無料のオンライン コンバーター

DOC ファイルは、広範な書式設定を含むテキスト コンテンツ、埋め込み画像、テーブル、およびメタデータをバイナリ OLE2 コンテナ内にバンドルします。 プレーン テキスト (TEXT/TXT) では、これらすべてが取り除かれ、フォント、色、画像、レイアウトなどの生の文字コンテンツだけが残ります。 DOC をプレーン テキストに変換すると、読み取り可能なテキスト ストリームが抽出され、それ以外はすべて破棄されます。

この変換は、テキスト処理パイプライン、データ抽出、検索インデックス作成、およびプレゼンテーションよりも生のコンテンツが重要なワークフローにとって不可欠です。 出力は、ライブラリ、パーサー、またはバイナリ形式の処理を必要とせずに、任意のテキスト エディター、ターミナル、またはプログラミング言語の標準 I/O で開く、汎用的に読み取り可能なファイルです。

プレーン テキストは、コンピューティングにおいて最も移植性があり、広く互換性のあるファイル形式です。 すべてのオペレーティング システム、プログラミング言語、テキスト エディター、データベース、およびコマンド ライン ツールはプレーン テキストを読み取ることができます。 自然言語処理、全文検索インデックス作成、データ移行、コンテンツ分析など、処理のために DOC からコンテンツを抽出する必要がある場合、プレーン テキストが最もクリーンな出発点となります。

プレーン テキストは、ドキュメントの内容を最小に表現したものでもあります。 書式設定と画像を含む 5 MB の DOC ファイルは、50 KB のテキスト ファイルを生成する可能性があります。 法的証拠開示、調査コーパス、電子メールのインポートなど、テキスト コンテンツのみが重要な大量のドキュメントをアーカイブする場合、プレーン テキストを使用すると、ストレージを大幅に節約できます。

LibreOffice は DOC バイナリを解析し、テキスト コンテンツ ストリームを抽出し、すべての書式設定制御コード、埋め込みオブジェクト、およびバイナリ メタデータを取り除きます。 段落区切りは改行文字に変換されます。 テーブルの内容は、セルを区切るタブ文字を使用して行ごとに抽出されます。 ヘッダーとフッターは出力に含まれます。 テキストはデフォルトで UTF-8 としてエンコードされ、国際文字、アクセント付き文字、および記号が保持されます。 画像やその他のテキスト以外のコンテンツは表示されずに省略されます。