什麼是純文字?
純文字是只用字元儲存的文字:沒有字型、顏色、圖片,也沒有頁面版式。擴展名為 TXT 的檔案是典型的例子,CSV 則是它的近親,用逗號、分號或定位字元分隔的數值來儲存表格。任何系統上的任何程式都能列開純文字檔案,因此它是最持久、最通用的格式。
純文字與 PDF
PDF 是對頁面的描述,所以會固定文字的外觀;純文字只保留文字本身。把文字轉成 PDF,會加上分頁、頁邊距和易讀的字型,便於列印和分享筆記、日志或匯出的資料。反過來,從 PDF 中提取文字,得到的是按頁排列的文字,沒有分欄、圖片和樣式,適合用來搜尋、複製和分析。
CSV 表格
CSV 檔案是寫成文字的表格,每行一條記錄,單元格之間用分隔符隔開。試算表程式能列開它,但它不保存格式、公式或多個工作表。把 CSV 轉成 PDF,可以得到在任何裝置上都能閱讀的表格。分隔符可能是逗號、分號或定位字元,具體用哪個取決于建立檔案的程式和地區設定。
常見的陷阱
最主要的陷阱是字元編碼:用一種編碼儲存的檔案,換另一種編碼列開,重音字元或中文就會變成亂碼。換行、超長的行和很寬的 CSV 表格在列印時也容易出問題。此外,從 PDF 提取的文字遵循檔案所聲明的閱讀順序,多欄排版時可能會把欄混在一起,版式複雜時請檢查結果。
用到這個術語的工具
提到這個術語的指南
常見問題
- 為什麼我的文字檔案顯示奇怪的字元?
- 多半是編碼不匹配。把檔案重新儲存為 UTF-8,它支援重音字元和大多數文字,然後再轉換一次。
- 從 PDF 提取文字會保留格式嗎?
- 不會。得到的是沒有字型、分欄和圖片的文字,通常按頁分開。如果 PDF 是掃描檔,要先做 OCR。
- 什麼時候用 CSV 而不用 Excel?
- 在不同系統之間傳遞純資料時用 CSV;需要公式、格式或多個工作表時,用試算表檔案。