Convertir a TXT
TXT es el formato de texto plano más universal, se puede abrir en cualquier dispositivo y software. Este grupo extrae el texto del cuerpo de cinco formatos de documento — EPUB en orden de lectura de lomo, PDF por bloques visuales, DOCX/ODT/RTF mediante análisis estructural — 5 direcciones de conversión.
La salida es UTF-8 unificado con saltos de párrafo preservados. No se puede extraer texto de PDFs escaneados sin capa de texto. Ideal para archivo de contenido, indexación de búsqueda de texto completo y análisis de texto plano.
EPUB→TXT
Extrae todos los capítulos como texto plano en el orden de lectura del spine de EPUB (se eliminan marcas y páginas de navegación) para búsqueda de texto completo, corpus y fuentes de texto a voz.
PDF→TXT
Extrae la capa de texto de PDF mediante texto estructurado de MuPDF (conserva el diseño de líneas y párrafos, hasta 200 páginas); se informa de los PDFs escaneados sin capa de texto.
DOCX→TXT
Analiza DOCX OOXML directamente y extrae el texto de los párrafos como texto plano UTF-8 — sin necesidad de Office — para indexación de búsqueda y migración de contenido.
RTF→TXT
Analiza RTF con una máquina de estados de palabras de control, omite metadatos de fuente/estilo, decodifica escapes \uN para texto CJK, genera texto plano UTF-8 limpio.
ODT→TXT
Analiza content.xml directamente dentro del ODT y extrae párrafos, encabezados y elementos de lista en orden como texto UTF-8 — no se necesita suite de oficina.