Converter para TXT
TXT é o formato de texto simples mais universal, que pode ser aberto por qualquer dispositivo e software. Este grupo extrai o corpo do texto de cinco formatos de documento — EPUB na ordem de leitura da lombada, PDF por blocos visuais, DOCX/ODT/RTF por análise estrutural — 5 direções de conversão.
A saída é UTF-8 unificado com quebras de parágrafo preservadas. PDFs digitalizados sem camada de texto não podem ter o texto extraído. Indicado para arquivamento de conteúdo, indexação de busca full-text e análise de texto simples.
EPUB→TXT
Extrai todos os capítulos como texto simples na ordem de leitura da spine do EPUB (marcação e páginas de navegação removidas) para busca de texto completo, corpora e fontes para texto para fala.
PDF→TXT
Extrai a camada de texto do PDF via texto estruturado MuPDF (layout de linhas e parágrafos preservado, até 200 páginas); PDFs digitalizados sem camada de texto são informados.
DOCX→TXT
Analisa DOCX OOXML diretamente e extrai texto de parágrafos como texto plano UTF-8 — sem necessidade do Office — para indexação de busca e migração de conteúdo.
RTF→TXT
Analisa RTF com máquina de estado de palavra de controle, ignora metadados de fonte/estilo, decodifica escapes \uN para texto CJK, gera texto plano UTF-8 limpo.
ODT→TXT
Analisa content.xml dentro do ODT diretamente e extrai parágrafos, títulos e itens de lista em ordem como texto UTF-8 — não precisa de suíte de escritório.