Kinyert szöveg (.txt)
ISO/IEC SzabványAz egyszerű szöveges fájlban (TXT) karakterek tárolódnak oldalelrendezés, betűtípusok és beágyazott képek nélkül. A szövegszerkesztők és programok meg tudják nyitni, de az ékezetes karakterek hibásan jelenhetnek meg, ha a fájl kódolását tévesen állapítják meg.
SRT konvertálása erre: TXT
Ingyenes, böngészőben használható SRT-konverter TXT formátumba. A fájlokat azonnal konvertálhatja az eszközén.
Vizsgálat és metaadatok
Az operációs rendszerek és a fájlelemzők a kezdő bináris bájtsorozat vizsgálatával azonosítják a(z) TXT fájlokat:
Bájtszintű fejlécaláírás (fájlazonosító bájtok)
Az operációs rendszerek és a fájlelemzők a kezdő bináris bájtsorozat vizsgálatával azonosítják a(z) TXT fájlokat:
HEX ALÁÍRÁS (ELTOLÁS 0):
EF BB BF / NoneASCII ÁBRÁZOLÁS: UTF-8 BOM / Raw text
Szabványosítás: ISO/IEC 10646 / Unicode Standard / IETF RFC 2046
Műszaki specifikációk
| Konténer architektúra | ASCII, UTF-8, UTF-16 vagy ISO-8859 kódolású, olvasható karakterek egymás utáni sorozata |
| Tömörítés | Tömörítetlen nyers karakterbájtok |
| Bájtsorrend | Az UTF-8 bájtsorrendfüggetlen; UTF-16/32 esetén a bájtsorrendet BOM jelezheti |
| Színterek | Nem alkalmazható (egyszerű szöveg) |
| Csatornák és struktúra | Karakterek lineáris adatfolyama, soremelésjelölők (LF \n vagy CRLF \r\n) és szóközök |
| Max. méretek | Az adatfolyam hossza nincs korlátozva |
| Átlátszóság | Nincs |
| Streaming és progresszív | A sima szöveg szekvenciális; a folyamatos beolvasás a szoftvertől függ. |
Műszaki összehasonlító mátrix: TXT vs. versenytársak
| Technikai attribútum | TXT (Jelenlegi) | MD | HTML | |
|---|---|---|---|---|
| Vizuális formázás | Nincs (tiszta, stílus nélküli szöveg) | Egyszerű Markdown-szintaxis | Rögzített oldalas vizuális elrendezés | Teljes körű CSS- és DOM-stílusozás |
| Szükséges szoftver | Nincs (bármilyen terminál vagy szövegszerkesztő) | Markdown-előnézetet megjelenítő program / olvasó | Dedikált PDF-megjelenítő | Webböngésző |
| Fájlméret | A lehető legkisebb | Minimális szövegméret | Nagy bináris tároló | Mérsékelt jelölési többletterhelés |
| Archiválási élettartam | A fájl megőrzésétől és a karakterkódolás felismerésétől függ | Hosszú távon megőrizhető | Magas (ISO szabvány) | Magas (W3C szabvány) |
Gyakori sérülési módok és hexadecimális helyreállítási útmutató
Az ékezetes betűk torz karakterekként (például „é”) vagy helyettesítő karakterként („�”) jelennek meg.
Kiváltó ok: Kódolási eltérés: egy régebbi ANSI/Windows-1252 fájl megnyitása UTF-8-ként megfelelő átalakítás nélkül.
Helyreállítás: Kódolja újra a fájlt explicit UTF-8 kódolással a File2File.app Text Converter segítségével.
Biztonsági elemzés és elemző (parser) támadási vektorok
A sima szöveges fájlok nem tartalmaznak futtatható kódot, de a rosszindulatú Unicode-karakterek tévútra vezethetnek felhasználókat vagy terminál-injekciót okozhatnak.
Ismert támadási vektorok
- Jobbról balra felülbíráló (RTLO) Unicode karakterek, amelyek hamisítják a futtatható fájlkiterjesztéseket (pl. 'report[RTLO]cod.exe').
- Terminál vezérlősorozat-injekció, amely shell parancsokat hajt végre a nyers szöveg 'cat' paranccsal történő megtekintésekor.
- Homoglif támadások, amelyek a szabványos ASCII betűket azonosnak tűnő cirill karakterekkel helyettesítik az URL-ekben.
Ajánlott védekezési módszerek: A szövegfájlok megjelenítésekor tisztítsa meg a kétirányú Unicode-vezérlőkaraktereket és a terminálszökési kódokat.
Történeti háttér és mérföldkövek
Főbb előnyök
- Az egyszerű szöveges fájlok megnyithatók szövegszerkesztőben, kereshetők, és parancssori eszközökkel feldolgozhatók. Ha az ékezetes szöveg hibásan jelenik meg, ellenőrizze a karakterkódolást.
- A sima szöveg könnyen megőrizhető és áttelepíthető, de hosszú távú olvashatósága a fájl megőrzésétől és a karakterkódolás felismerésétől függ.
- Nincs formázási többletterhelés: tiszta adatokat tartalmaz nulla metaadat-felesleggel, bináris címkék vagy saját fejlesztésű struktúrák nélkül.
Technikai korlátok és hátrányok
- Nulla vizuális formázás: külső leíró nyelv nélkül natívan nem tud félkövér vagy dőlt betűt, színezést vagy betűméret-változtatást alkalmazni.
- A platformok közötti sorvégkülönbségek (Windows CRLF vs Unix LF) formázási hibákat okozhatnak az operációs rendszerek között.
- A történelmi kódolási kétértelműségek (ANSI, Shift-JIS, Windows-1252) karaktertorzulást (mojibake) okozhatnak UTF-8 nélkül.
Érdekes technikai tudnivalók
- Az UTF-8-at egy New Jersey-i étkezdében találták fel egy alátéten 1992-ben Ken Thompson és Rob Pike vacsora közben.
- A Windows két karaktert használ új sornak: kocsivissza (CR, 0x0D) és soremelés (LF, 0x0A), ami a mechanikus írógépek öröksége.
- Az UTF-8 a webhelyek meghatározó karakterkódolása, bár a pontos aránya idővel változik.
Gyakran Ismételt Műszaki Kérdések
Mi az az UTF-8?
A UTF-8 kódolja a Unicode karakterkészletet, és megőrzi az ASCII karakterek eredeti bájtértékeit.
Mi a különbség a Windows és a Unix sorvégek között?
A Windows a 'CRLF'-et (két bájt: Carriage Return + Line Feed) használja új sor jelölésére, míg a Unix, a Linux és a macOS az 'LF'-et (egyetlen Line Feed bájtot).
Hogyan konvertálható a TXT-fájl PDF-formátumba?
A File2File.app segítségével egyetlen kattintással, közvetlenül a böngészőben tiszta, professzionális PDF- vagy Word-dokumentummá konvertálhatja az egyszerű szöveges fájlokat.
Kapcsolódó TXT konverziós párok
A SubRip Text feliratfájlok sima szöveges átirattá alakítása eltávolítja az időzítési kódokat és a sorszámokat, tiszta, jól olvasható dokumentumot hozva létre.
A beolvasott kép szöveggé alakítása a képpontokból szerkeszthető karaktereket nyer ki, így a szavak könnyen kereshetők, szerkeszthetők és tárolhatók lesznek.
A raszteres PNG-dokumentumok egyszerű szöveggé alakítása optikai karakterfelismeréssel a statikus képpontokat szerkeszthető szavakká alakítja.