Извлечен текст (.txt)
ISO/IEC СтандартФайлът с обикновен текст (TXT) съхранява символи без оформление на страници, шрифтове или вградени изображения. Текстовите редактори и програмите могат да го четат, но буквите с диакритични знаци може да се покажат неправилно, ако се отгатне грешно кодирането на файла.
Конвертиране от SRT към TXT
Безплатен конвертор от SRT към TXT в браузъра. Конвертирайте файлове незабавно на вашето устройство.
Проверка и метаданни
Операционните системи и файловите анализатори идентифицират TXT файлове чрез проверка на началната двоична байтова последователност:
Байтов подпис на заглавката (сигнатурни байтове)
Операционните системи и файловите анализатори идентифицират TXT файлове чрез проверка на началната двоична байтова последователност:
HEX ПОДПИС (ОФСЕТ 0):
EF BB BF / NoneASCII ПРЕДСТАВЯНЕ: UTF-8 BOM / суров текст
Стандартизация: ISO/IEC 10646 / Unicode Standard / IETF RFC 2046
Технически спецификации
| Контейнерна архитектура | Последователност от четими за хората символи, кодирани като ASCII, UTF-8, UTF-16 или ISO-8859 |
| Компресия | Некомпресирани сурови байтове със символи |
| Поредност на байтовете (Endianness) | UTF-8 (неутрален спрямо байтовия ред); BOM може да указва байтовия ред при UTF-16/32 |
| Цветови пространства | Неприложимо (обикновен текст) |
| Канали и структура | Линеен поток от символи, маркери за нов ред (LF \n или CRLF \r\n) и интервали |
| Максимални размери | Неограничена дължина на потока |
| Прозрачност | Няма |
| Поточно предаване и прогресивно зареждане | Обикновеният текст е последователен; поточното четене зависи от софтуера. |
Техническа сравнителна матрица: TXT спрямо конкуренти
| Технически атрибут | TXT (Текущ) | MD | HTML | |
|---|---|---|---|---|
| Визуално форматиране | Няма (чист нестилизиран текст) | Лек синтаксис на Markdown | Фиксиран визуален изглед на страницата | Пълно CSS & DOM стилизиране |
| Необходим софтуер | Няма (всеки терминал или текстов редактор) | Програма за преглед / четене на Markdown | Специализирана програма за преглед на PDF | Уеб браузър |
| Размер на файла | Абсолютно възможно най-малък размер | Малък текстов размер | Голям двоичен контейнер | Умерен овърхед на маркирането |
| Архивна дълговечност | Зависи от запазването на файла и разпознаването на кодирането му | Може да се съхранява дългосрочно | Висока (ISO стандарт) | Висока (W3C стандарт) |
Често срещани видове повреди и ръководство за възстановяване на шестнадесетични данни
Буквите с диакритични знаци се показват като повредени символи, например „é“, или като заместващи знаци като „�“.
Първопричина: Несъответствие в кодирането: по-стар файл ANSI/Windows-1252 е отворен като UTF-8 без правилно преобразуване.
Възстановяване: Прекодирайте файла с изрично UTF-8 кодиране с помощта на File2File.app Text Converter.
Анализ на сигурността и вектори на атака към парсера
Файловете с обикновен текст не съдържат изпълним код, но злонамерени Unicode символи могат да подведат потребителите или да причинят инжектиране на команди в терминала.
Известни вектори на атака
- Уникод символи за презапис от дясно на ляво (RTLO), прикриващи разширения на изпълними файлове (напр. 'report[RTLO]cod.exe').
- Инжектиране на ескейп последователности за терминал, изпълняващи шел команди при преглед на суров текст чрез 'cat'.
- Атаки с хомоглифи, заменящи стандартни ASCII букви с изглеждащи по същия начин кирилски символи в URL адресите.
Най-добри практики за защита: Санирайте двупосочните Unicode контролни знаци и терминалните ескейп кодове при визуализиране на текстови файлове.
Исторически произход и етапи
Основни предимства
- Файловете с обикновен текст се отварят в текстови редактори и могат да се търсят или обработват с инструменти за командния ред. Проверете кодирането на символите, ако текстът с диакритични знаци изглежда повреден.
- Обикновеният текст се съхранява и мигрира лесно, но дългосрочната му четимост зависи от запазването на файла и разпознаването на кодирането му.
- Няма разход за форматиране: файлът съдържа чисти данни без излишни метаданни, двоични тагове или собственически структури.
Технически ограничения и минуси
- Няма визуално форматиране: не може нативно да задава получер, курсивен или цветен текст, нито да променя размера на шрифта без външен език за маркиране.
- Разликите в завършването на редовете при платформите (Windows CRLF срещу Unix LF) могат да причинят проблеми с форматирането между операционните системи.
- Исторически неясноти в кодирането (ANSI, Shift-JIS, Windows-1252) могат да причинят повреда на символите (мойбаке) без UTF-8.
Интересни технически факти
- UTF-8 е изобретен върху подложка за хранене в заведение в Ню Джърси през 1992 г. от Кен Томпсън и Роб Пайк по време на вечеря.
- Windows използва два символа за нов ред: Връщане на каретката (CR, 0x0D) и Подаване на ред (LF, 0x0A) - наследство от механичните пишещи машини.
- UTF-8 е доминиращото кодиране на символи в уебсайтовете, но точният му дял се променя с времето.
Често задавани технически въпроси
Какво е UTF-8?
UTF-8 кодира набора от символи Unicode и запазва първоначалните байтови стойности на ASCII символите.
Каква е разликата между край на ред за Windows и Unix?
Windows използва 'CRLF' (два байта: Carriage Return + Line Feed), за да представи нов ред, докато Unix, Linux и macOS използват 'LF' (един единствен байт Line Feed).
Как мога да конвертирам TXT файл в PDF?
Можете да конвертирате обикновени текстови файлове в чисти, професионални PDF документи или документи на Word с едно щракване, използвайки File2File.app директно във вашия уеб браузър.
Свързани двойки за конвертиране на TXT
Конвертирането на SRT файлове със субтитри в TXT транскрипти премахва кодовете за време и индексните номера, за да остави чист и лесен за четене диалог.
Конвертирането на сканирано изображение в извлечен текст превежда пикселите на изображението в редактируеми знаци, за да можете лесно да търсите, редактирате и съхранявате думи.
Конвертирането на растерен документ от PNG в обикновен текст преобразува статичните пиксели в редактируеми думи чрез оптично разпознаване на символи.