Přepis v prostém textu (.txt)
ISO/IEC StandardníSoubor prostého textu ukládá znaky bez rozvržení stránky, písem a vložených obrázků. Textové editory a programy jej mohou číst, ale diakritika se může zobrazit chybně, pokud se nesprávně odhadne kódování souboru.
Převést SRT na TXT
Bezplatný konvertor z SRT do TXT v prohlížeči. Převeďte soubory okamžitě ve svém zařízení.
Kontrola a metadata
Operační systémy a analyzátory souborů identifikují soubory TXT kontrolou počáteční binární sekvence bajtů:
Podpis hlavičky na úrovni bajtů (Magic Bytes)
Operační systémy a analyzátory souborů identifikují soubory TXT kontrolou počáteční binární sekvence bajtů:
HEXADECIMÁLNÍ PODPIS (POSUN 0):
EF BB BF / NoneASCII REPREZENTACE: UTF-8 BOM / Raw text
Standardizace: ISO/IEC 10646 / Unicode Standard / IETF RFC 2046
Technické specifikace
| Architektura kontejneru | Sekvence znaků čitelných pro člověka, kódovaných jako ASCII, UTF-8, UTF-16 nebo ISO-8859 |
| Komprese | Nekomprimované surové bajty znaků |
| Pořadí bajtů | UTF-8 (nezávislé na pořadí bajtů); u UTF-16/32 může být pořadí bajtů určeno značkou BOM |
| Barevné prostory | Nevztahuje se (prostý text) |
| Kanály a struktura | Lineární proud znaků, značek konce řádku (LF \n nebo CRLF \r\n) a mezer |
| Max. rozměry | Délka proudu není omezená |
| Průhlednost | Žádná |
| Streamování a progresivní načítání | Prostý text tvoří posloupnost; streamované čtení závisí na softwaru. |
Technická srovnávací matice: TXT vs konkurence
| Technický atribut | TXT (Aktuální) | MD | HTML | |
|---|---|---|---|---|
| Vizuální formátování | Žádné (čistý nestylovaný text) | Lehká syntaxe Markdown | Pevné vizuální rozvržení stránky | Úplné stylování pomocí CSS a DOM |
| Požadovaný software | Žádný (jakýkoliv terminál nebo textový editor) | Prohlížeč / čtečka Markdownu | Specializovaný prohlížeč PDF | Webový prohlížeč |
| Velikost souboru | Absolutně nejmenší možná velikost | Minimální velikost textu | Velký binární kontejner | Mírná režie značkování |
| Archivní životnost | Závisí na zachování souboru a rozpoznání jeho kódování | Lze uchovávat dlouhodobě | Vysoká (norma ISO) | Vysoká (norma W3C) |
Běžné režimy poškození a příručka pro obnovení v hex
Písmena s diakritikou se zobrazují jako poškozené symboly typu 'é' nebo černé otazníky.
Hlavní příčina: Nesoulad kódování: starší soubor ANSI/Windows-1252 byl otevřen jako UTF-8 bez správného převodu.
Obnovení: Převeďte soubor do explicitního kódování UTF-8 pomocí nástroje File2File.app Text Converter.
Bezpečnostní analýza a vektory útoků na parser
Soubory prostého textu neobsahují žádný spustitelný kód, ale škodlivé znaky Unicode mohou uživatele oklamat nebo způsobit injektáž do terminálu.
Známé vektory útoků
- Znaky Unicode typu Right-to-Left Override (RTLO) maskující přípony spustitelných souborů (např. 'report[RTLO]cod.exe').
- Injektáž sekvencí pro únik z terminálu (escape sekvencí), které spouštějí příkazy shellu při zobrazení surového textu přes 'cat'.
- Útoky typu homoglyf nahrazující standardní znaky ASCII vizuálně identickými cyrilskými znaky v adresách URL.
Doporučené bezpečnostní postupy: Při vykreslování textových souborů sanitujte obousměrné řídicí znaky Unicode a escape kódy terminálu.
Historický vývoj a milníky
Klíčové výhody a přednosti
- Soubory prostého textu lze otevřít v textových editorech a prohledávat nebo zpracovávat nástroji příkazového řádku. Pokud se znaky s diakritikou zobrazují chybně, zkontrolujte kódování.
- Prostý text se snadno uchovává a převádí, jeho dlouhodobá čitelnost však závisí na zachování souboru a rozpoznání jeho kódování.
- Nulová režie formátu: obsahuje čistá data bez nadbytečných metadat, binárních značek nebo vlastních proprietárních struktur.
Technická omezení a nevýhody
- Nulové vizuální formátování: bez externího značkovacího jazyka neumí nativně zvýrazňovat tučně, psát kurzívou, měnit barvu ani velikosti fontů.
- Rozdíly v ukončování řádků mezi platformami (Windows CRLF vs. Unix LF) mohou způsobit problémy s formátováním napříč operačními systémy.
- Historické nejasnosti v kódování (ANSI, Shift-JIS, Windows-1252) mohou bez použití UTF-8 způsobit poškození znaků (tzv. mojibake).
Zajímavé technické drobnosti
- Kódování UTF-8 vymysleli Ken Thompson a Rob Pike v roce 1992 u večeře nad ubrouskem v restauraci v New Jersey.
- Windows používají pro nový řádek dva znaky: Carriage Return (CR, 0x0D) a Line Feed (LF, 0x0A), což je dědictví z mechanických psacích strojů.
- UTF-8 je dominantní znakové kódování používané webovými stránkami; jeho přesné zastoupení se v čase mění.
Často kladené technické otázky
Co je to UTF-8?
UTF-8 kóduje znakovou sadu Unicode a zachovává původní bajtové hodnoty znaků ASCII.
Jaký je rozdíl mezi konci řádků ve Windows a Unixu?
Windows používá k vyjádření nového řádku 'CRLF' (dva bajty: Carriage Return + Line Feed), zatímco Unix, Linux a macOS používají 'LF' (jeden bajt Line Feed).
Jak mohu převést soubor TXT do formátu PDF?
Soubory prostého textu můžete jedním kliknutím převést na čisté, profesionální dokumenty PDF nebo dokumenty Word pomocí File2File.app přímo ve vašem webovém prohlížeči.
Související konverzní páry pro TXT
Převedení souborů s titulky SRT do textových souborů TXT odstraní kódy časování a čísla indexů a zanechá čistý a čitelný dialog.
Konverze naskenovaného obrázku na extrahovaný text převádí obrazové pixely na upravitelné znaky, abyste mohli snadno vyhledávat, upravovat a ukládat slova.
Převedení rastrového obrázku dokumentu PNG na prostý text mění statické obrazové body na upravitelná slova pomocí optického rozpoznávání znaků.