TXTに変換

TXTは最も汎用的なプレーンテキスト形式で、あらゆるデバイスやソフトウェアで開けます。このツールは5つのドキュメント形式から本文テキストを抽出します — EPUBは背表紙の読み順、PDFは視覚的ブロック、DOCX/ODT/RTFは構造パースによる処理で、計5種類の変換方向に対応しています。

出力は統一UTF-8で段落区切りを保持します。テキストレイヤーのないスキャンPDFからは抽出できません。コンテンツのアーカイブ、全文検索インデックス作成、プレーンテキスト分析に適しています。

EPUBの spine 読み順にすべてのチャプターをプレーンテキストとして抽出（マークアップとナビゲーションページは削除）し、全文検索、コーパス、音声読み上げソースとして利用できます。

MuPDF構造化テキスト経由でPDFのテキストレイヤーを抽出します（行と段落のレイアウトを保持、最大200ページ）。テキストレイヤーのないスキャンPDFは通知されます。

DOCX OOXMLを直接解析し、段落テキストをUTF-8プレーンテキストとして抽出します。Officeは不要で、検索インデックスやコンテンツ移行に適しています。

RTFを制御文のステートマシンで解析し、フォント/スタイルのメタデータをスキップ、CJKテキストの\uNエスケープをデコードし、クリーンなUTF-8プレーンテキストを出力します。

ODT内のcontent.xmlを直接解析し、段落、見出し、リスト項目を順番に抽出してUTF-8テキストとして出力します。オフィススイートは不要です。