Word 转 TXT

「Word 转 TXT」从 .docx 文档里提取纯文字。选择文件后,页面会显示提取出的全部文字,你可以点击「复制全部」,也可以点击「下载txt」保存成文本文件。它只保留文字内容:表格每行输出为一行(单元格之间用制表符分隔),列表会加上「•」或「1.」这样的前缀;字体、颜色、图片、表格边框等样式都不会保留。只支持 Word 2007 及之后版本的 .docx 格式,老版本的 .doc 文件不能直接使用,需要先在 Word 里另存为 .docx。

操作步骤

1. 点击虚线框「点击选择 .docx 文件」,选中一个 .docx 文件。
2. 页面显示「正在提取文字…」,稍候后下方出现「提取结果」区域,里面是文档的纯文字内容。结果框高度固定,内容较长时会出现滚动条,请拖动查看。
3. 点击右上角的「复制全部」把全文放进剪贴板,复制成功后按钮会短暂变为「已复制」;或者点击「下载txt」保存文件。
4. 下载的文件名是原文件名去掉 .doc 或 .docx 后加上 .txt,比如「周报.docx」会保存为「周报.txt」。

一个实际算出来的例子

我们用同一套转换逻辑(mammoth 先转成 HTML,再逐个节点还原为文字)处理了一份事先生成的 .docx 测试文档,文档内容依次是:一个一级标题「季度报告」,一段含加粗和斜体的句子,两条项目符号列表,两条编号列表,一个两行两列的表格(姓名、分数、小明、90),以及一个结尾段落。得到的文字是:「季度报告」,空一行,「这是一段加粗和斜体文字。」,空一行,「• 列表项一」「• 列表项二」(两行相邻),空一行,「1. 第一步」「2. 第二步」,空一行,「姓名[制表符]分数」「小明[制表符]90」(两行相邻),空一行,「结尾段落」。可以看到:加粗和斜体的标记消失,只剩文字;列表前有了圆点或数字;表格每一行是一行文字,单元格之间是制表符,粘贴到 Excel 或 Word 的表格里可以直接还原成行列。

支持范围与已知限制

• 只支持 .docx。选择旧版 .doc 或损坏的文件,会提示「无法提取这份文件的文字,请确认上传的是有效的 .docx 文件(不支持旧版 .doc 格式)。」
• 只提取文字,图片、图表、形状里的内容不会出现在结果里,字体、字号、颜色、对齐等样式全部丢弃。
• 段落和标题之间用空行分隔,而不是单个换行;同一个列表的各项、同一个表格的各行则紧挨着。如果想要紧凑排版,需要自己在文本编辑器里处理。
• 列表前缀是工具根据列表类型生成的:无序列表统一用「•」,有序列表按 1. 2. 3. 重新数(遵循列表自身的起始编号),嵌套列表缩进两个空格。Word 里自定义的编号样式(如 一、 (1) a.)不会原样保留,会变成数字或圆点。
• 表格每行输出为一行,单元格之间用制表符分隔;单元格内的多个段落会合并成用空格分隔的一行。合并单元格会补齐空列让各行对齐:横向合并(colspan)N 列的单元格后面会多输出 N-1 个空的制表符分隔单元格,纵向合并(rowspan)覆盖到的下方位置也会补空单元格;嵌套表格会被压平,其中每个单元格的文字用空格连接后并入所在的父单元格。例如表格第一行是「A(横向合并两列)、C」,第二行是「x、y、z」,输出为「A⇥⇥C」和「x⇥y⇥z」(⇥ 表示制表符),列正好对齐。
• 页眉、页脚、脚注、批注、文本框等特殊区域是否出现,取决于所用提取库的处理方式,本文没有逐项验证,重要文档请提取后自己核对一遍。
• 受密码保护的文档无法读取。
• 提取完成后,结果框显示的就是将要复制和下载的完整文字。下载的 txt 文件由浏览器以 UTF-8 编码生成,个别很旧的编辑器打开中文时可能需要手动选择 UTF-8。
• 「复制全部」依赖浏览器的剪贴板权限,如果被浏览器拒绝,按钮不会有任何提示,这时请直接在结果框里手动选中复制,或使用「下载txt」。

常见问题:为什么我的 .doc 文件打不开?

.doc 是 Word 2003 及更早使用的二进制格式,而 .docx 是 Word 2007 起使用的格式,两者的内部结构完全不同,这个工具只能解析后者。解决办法很简单:用 Word 或 WPS 打开该文件,选择「另存为」,类型选 .docx,再重新上传。

常见问题:提取出来的文字里为什么没有表格的样子?

工具不会画出表格线,但会保留行列关系:每一行变成一行文字,单元格之间用制表符分隔,复制后粘贴进 Excel 通常会按列分开。如果你需要保留合并单元格等完整的表格结构(这里只补齐空列,不会保留合并关系),可以改用同站的「Word 转 HTML」工具,它的输出里会带有表格标签。

常见问题:文档里的图片会怎么处理?

图片不会出现在结果里,也不会有占位符。这个工具的结果就是纯文字,如果需要图片,请回到原文档中操作。

常见问题:提取之后能保证和原文一字不差吗?

正文文字会被完整读出,列表会补上圆点或数字前缀、表格会变成制表符分隔的行,但这些是工具重新生成的,并不是 Word 里原样的编号和边框。所以结果适合用来取用内容、做搜索或二次编辑,不适合当作格式严谨的存档。

常见问题:大文件会不会卡?

文件在你的浏览器里解析,速度取决于文档大小和设备性能。解析期间会显示「正在提取文字…」,并且文件选择框会被禁用,等结果出来后才能重新选择。没有在代码里设置大小上限。

隐私与处理方式

文件在浏览器里被读成二进制数据,再由页面按需加载的提取库在本地处理,代码中没有把文档上传到服务器的请求。因此文档内容不会离开你的设备。提取结果只保存在当前页面的内存里,关闭或刷新页面后即消失。