Converti in TXT
TXT è il formato di testo semplice più universale, apribile da qualsiasi dispositivo e software. Questo gruppo estrae il corpo del testo da cinque formati di documento — EPUB in ordine di lettura della spine, PDF per blocchi visivi, DOCX/ODT/RTF tramite analisi strutturale — 5 direzioni di conversione.
L'output è UTF-8 unificato con interruzioni di paragrafo preservate. I PDF scansionati senza livello di testo non possono essere estratti. Adatto per l'archiviazione di contenuti, l'indicizzazione full-text e l'analisi di testo semplice.
EPUB→TXT
Estrae tutti i capitoli come testo semplice nell'ordine di lettura della spine EPUB (markup e pagine di navigazione rimossi) per ricerche full-text, corpora e sorgenti per text-to-speech.
PDF→TXT
Estrae il livello di testo del PDF tramite testo strutturato MuPDF (layout di righe e paragrafi preservato, fino a 200 pagine); segnala i PDF scansionati senza livello di testo.
DOCX→TXT
Analizza direttamente DOCX OOXML ed estrae il testo dei paragrafi come testo semplice UTF-8 — non serve Office — per indicizzazione di ricerca e migrazione di contenuti.
RTF→TXT
Analizza RTF con una macchina a stati per parole di controllo, salta i metadati di font/stile, decoda le sequenze di escape \uN per testo CJK, produce testo semplice UTF-8 pulito.
ODT→TXT
Analizza direttamente content.xml all'interno di ODT ed estrae paragrafi, titoli e elementi di elenco in ordine come testo UTF-8 — non serve una suite per ufficio.