DOCX を TXT に変換する — 無料のオンラインコンバーター

DOCX は、フォーマットされたコンテンツを XML ファイルの構造化 ZIP アーカイブに保存します。 TXT は、コンピューティングにおいて最も単純なファイル形式です。書式設定、メタデータ、改行以降の構造を持たない生のテキスト文字です。 DOCX を TXT に変換すると、これまでに作成されたどのソフトウェアでも読み取れる、ドキュメントのテキスト コンテンツを可能な限り削ぎ落とした表現が生成されます。

出力ファイルには、DOCX の単語のみが読み取り順に改行と空白で区切られて含まれます。 すべての書式設定 (フォント、サイズ、色、太字、斜体)、すべての埋め込みコンテンツ (画像、グラフ、図形)、およびすべての構造マークアップ (スタイル、見出し、リスト) が破棄されます。 残るのは、文書の純粋な知的内容です。

TXT ファイルは、あらゆるコンピューティング エコシステムのあらゆるツールと普遍的に互換性があります。 grep、awk、sed などのコマンドライン ツールは TXT をネイティブに処理します。 プログラミング言語はライブラリなしで TXT を読み取ります。 Git のようなバージョン管理システムは、TXT の変更を行ごとに追跡します。 データベースはパーサーを使用せずに TXT を一括インポートします。 DOCX コンテンツを可能な限りポータブルな形式で保存する必要がある場合、TXT がその答えとなります。

TXT は、ストレージ要件も最小限に抑えます。 一般的な DOCX ファイルは、90% がサイズごとにフォーマットされ、構造化されています。 テキスト コンテンツのみを抽出すると、95 ～ 99% 小さいファイルが生成されます。5 MB の DOCX では、25 KB の TXT ファイルが生成される可能性があります。 テキストだけが重要な何百万もの文書をアーカイブしている組織にとって、この削減は変革をもたらします。

変換エンジンは DOCX ZIP アーカイブを解析し、word/document.xml ツリーをたどって、段落 (<w:p>) 要素と表のセル (<w:tc>) 要素からテキスト コンテンツを抽出します。 すべての書式設定マークアップ (<w:rPr>、<w:pPr>)、埋め込みオブジェクト、およびメディア参照は無視されます。 段落区切りは改行文字になります。 表のセルはタブ文字で区切られます。 出力は、プラットフォームに適した行末を持つ UTF-8 エンコードされたテキストとして書き込まれます。 脚注と文末脚注は抽出され、最後に追加されます。