TXT: o formato de texto simples
Um arquivo .txt contém só caracteres: nada de fontes, negrito, imagens ou diagramação. É o formato de documento mais antigo e mais simples, definido nas normas da internet como o tipo de mídia text/plain (RFC 2046). O que importa lá dentro é a codificação de caracteres, que associa bytes a letras; o UTF-8 é o padrão moderno e cobre todos os idiomas, enquanto arquivos mais antigos podem usar uma página de código regional.
Dados principais
- Extensões
- .txt
- Tipo de mídia
- text/plain
- Norma
- RFC 2046 (text/plain)
Onde é usado
O texto simples é usado para anotações, logs, arquivos README, arquivos de configuração, transcrições, históricos de conversa exportados, despejos de dados e rascunhos. Desenvolvedores e administradores de sistemas vivem nele, e muitos programas exportam texto simples quando não é preciso mais nada.
Pontos fortes
Qualquer aparelho e qualquer programa o abre, hoje e daqui a cinquenta anos. Os arquivos são minúsculos, fáceis de pesquisar, comparar e processar com software, e nada escondido vai junto: nem macros, nem metadados, nem rastreamento. Sistemas de controle de versão lidam com texto melhor do que com qualquer outro formato.
Limitações
Não há formatação nenhuma: nem títulos, nem tabelas, nem imagens, nem quebras de página. Uma codificação errada transforma letras acentuadas em lixo, e o Windows e o Unix usam finais de linha diferentes. Linhas longas podem quebrar de um jeito em cada editor.
Como converter em PDF
O Texto para PDF distribui seu texto em páginas A4 com uma fonte monoespaçada e quebra as linhas longas, para nada ficar cortado e as colunas em texto simples continuarem alinhadas. Ele lê arquivos em UTF-8, UTF-16 e Latin-1. Para títulos, listas e tabelas, escreva em Markdown e use o Markdown para PDF.
Como recuperar a partir de um PDF
O PDF para texto extrai a camada de texto de um PDF no seu navegador e a salva como arquivo .txt, sem enviar nada. Layout, tabelas e imagens são descartados e as colunas podem ser lidas em outra ordem. PDFs digitalizados não têm texto, então aplique OCR antes.
Converta com estas ferramentas gratuitas
Comparações lado a lado
- Texto simples ou MarkdownO texto simples é o formato mais básico, que qualquer um lê; o Markdown acrescenta títulos, listas e tabelas com símbolos leves. Compare TXT e MD para notas, documentação e PDF.
- PDF digitalizado ou pesquisávelUm PDF digitalizado guarda fotos das páginas; um PDF pesquisável guarda também as palavras por trás delas. Entenda a diferença e como o OCR transforma um no outro.
Termos de PDF explicados
- Camada de textoA camada de texto é a parte do PDF que guarda caracteres de verdade, para você pesquisar, selecionar e copiar. Veja como as digitalizações ganham uma com OCR e como conferir.
- OCR (reconhecimento óptico de caracteres)O OCR transforma a imagem de uma página em texto que pode ser pesquisado e copiado. Veja como funciona, o que afeta a precisão e por que um PDF digitalizado precisa dele.
Guias que colocam o termo em prática
Perguntas frequentes
- Por que as letras acentuadas aparecem erradas no meu arquivo de texto?
- O arquivo foi lido com a codificação errada. Salve-o como UTF-8 no seu editor e converta de novo.
- O PDF para texto consegue ler um documento digitalizado?
- Não. Uma digitalização é uma imagem sem caracteres. Use antes o OCR de PDF para adicionar uma camada de texto e depois extraia o texto.
- Um arquivo TXT é mais seguro de compartilhar que um DOCX?
- Ele não pode conter macros nem metadados ocultos, então há menos coisas para vazar, mas o próprio texto continua totalmente legível e editável.