Chuyển đổi sang TXT
TXT là định dạng văn bản thuần phổ biến nhất, mở được trên mọi thiết bị và phần mềm. Nhóm công cụ này trích xuất nội dung văn bản từ năm định dạng tài liệu — EPUB theo thứ tự đọc cột sống, PDF theo khối trực quan, DOCX/ODT/RTF qua phân tích cấu trúc — 5 hướng chuyển đổi.
Đầu ra được chuẩn hóa thành UTF-8, giữ nguyên ngắt đoạn văn bản. Không thể trích xuất từ PDF quét không có lớp văn bản. Phù hợp để lưu trữ nội dung, lập chỉ mục tìm kiếm toàn văn và phân tích văn bản thuần.
EPUB→TXT
Trích xuất tất cả chương dưới dạng văn bản thuần theo thứ tự đọc trong spine EPUB (loại bỏ đánh dấu và trang điều hướng) cho tìm kiếm toàn văn, kho ngữ liệu và nguồn đọc văn bản thành giọng nói.
PDF→TXT
Trích xuất lớp văn bản PDF qua văn bản cấu trúc MuPDF (giữ nguyên bố cục dòng và đoạn, tối đa 200 trang); thông báo nếu PDF quét không có lớp văn bản.
DOCX→TXT
Phân tích trực tiếp DOCX OOXML, trích xuất văn bản đoạn thành văn bản thuần UTF-8 — không cần Office — cho lập chỉ mục tìm kiếm và di chuyển nội dung.
RTF→TXT
Phân tích RTF bằng máy trạng thái từ điều khiển, bỏ qua siêu dữ liệu phông/kiểu, giải mã mã thoát \uN cho văn bản CJK, xuất ra văn bản thuần UTF-8 sạch.
ODT→TXT
Phân tích trực tiếp content.xml bên trong ODT và trích xuất đoạn văn, tiêu đề và mục danh sách theo thứ tự thành văn bản UTF-8 — không cần bộ văn phòng.