TXT: o formato de texto simples
Um ficheiro .txt contém apenas caracteres: nada de tipos de letra, negrito, imagens ou paginação. É o formato de documento mais antigo e mais simples, definido nas normas da internet como o tipo de suporte text/plain (RFC 2046). O que importa lá dentro é a codificação de caracteres, que faz corresponder bytes a letras; o UTF-8 é a norma atual e abrange todas as línguas, enquanto ficheiros mais antigos podem usar uma página de código regional.
Dados essenciais
- Extensões
- .txt
- Tipo de suporte
- text/plain
- Norma
- RFC 2046 (text/plain)
Onde é utilizado
O texto simples serve para apontamentos, registos de sistema, ficheiros README, ficheiros de configuração, transcrições, históricos de conversa exportados, extrações de dados e rascunhos. Programadores e administradores de sistemas trabalham nele todos os dias, e muitos programas exportam texto simples quando nada mais é necessário.
Vantagens
Qualquer dispositivo e qualquer programa o abre, hoje e daqui a cinquenta anos. Os ficheiros são minúsculos, fáceis de pesquisar, comparar e processar com software, e nada de oculto vai junto: nem macros, nem metadados, nem rastreio. Os sistemas de controlo de versões lidam melhor com texto 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 as letras acentuadas em lixo, e o Windows e o Unix usam terminações de linha diferentes. As linhas longas podem quebrar de maneira diferente em cada editor.
Como converter para PDF
O Texto em PDF distribui o seu texto por páginas A4 com um tipo de letra monoespaçado e parte as linhas longas, para que nada fique cortado e as colunas em texto simples continuem alinhadas. Lê ficheiros 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 grava-a como ficheiro .txt, sem enviar nada. A paginação, as tabelas e as imagens são descartadas e as colunas podem ser lidas noutra ordem. Os PDF digitalizados não têm texto, por isso aplique OCR primeiro.
Converta com estas ferramentas gratuitas
Comparações lado a lado
- Texto simples ou MarkdownO texto simples é o formato mais básico, legível por qualquer programa; o Markdown acrescenta títulos, listas e tabelas com símbolos leves. Compare TXT e MD para apontamentos, documentação e PDF.
- PDF digitalizado ou pesquisávelUm PDF digitalizado contém fotografias das páginas; um PDF pesquisável contém também as palavras por trás delas. Perceba 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 verdadeiros, para que os possa pesquisar, selecionar e copiar. Veja como as digitalizações a obtêm com OCR e como a confirmar.
- OCR (reconhecimento ótico de carateres)O OCR transforma a imagem de uma página em texto que pode ser pesquisado e copiado. Veja como funciona, o que influencia a precisão e porque é que um PDF digitalizado precisa dele.
Guias que põem o termo em prática
Perguntas frequentes
- Porque é que as letras acentuadas aparecem mal no meu ficheiro de texto?
- O ficheiro foi lido com a codificação errada. Grave-o em UTF-8 no seu editor e converta-o novamente.
- O PDF para texto consegue ler um documento digitalizado?
- Não. Uma digitalização é uma imagem sem caracteres. Use primeiro o OCR em PDF para acrescentar uma camada de texto e depois extraia o texto.
- Um ficheiro TXT é mais seguro de partilhar do que um DOCX?
- Não pode conter macros nem metadados ocultos, por isso há menos coisas para revelar, mas o texto propriamente dito continua totalmente legível e editável.