Vienkāršs teksts (.txt)
ISO/IEC StandartsVienkārša teksta fails (TXT) ir digitālās skaitļošanas un cilvēka informācijas glabāšanas universālais pamats, kas satur neapstrādātas, neformatētas rakstzīmes, kuras var nolasīt ikviena pastāvošā datora operētājsistēma un programmēšanas valoda.
Konvertēt SRT uz TXT
Bezmaksas SRT uz TXT konvertētājs pārlūkprogrammā. Konvertējiet failus uzreiz savā ierīcē.
Pārbaudīt un metadati
Operētājsistēmas un failu analizatori identificē TXT failus, pārbaudot sākotnējo bināro baitu secību:
Baitu līmeņa galvenes paraksts (maģiskie baiti)
Operētājsistēmas un failu analizatori identificē TXT failus, pārbaudot sākotnējo bināro baitu secību:
HEKSADECIMĀLAIS PARAKSTS (NOBĪDE 0):
EF BB BF / NoneASCII ATTEIOLOJUMS: UTF-8 BOM / Raw text
Standartizācija: ISO/IEC 10646 / Unicode Standard / IETF RFC 2046
Tehniskās specifikācijas
| Konteinera arhitektūra | Sequential sequence of human-readable characters encoded as ASCII, UTF-8, UTF-16, or ISO-8859 |
| Saspiešana | Uncompressed raw character bytes |
| Baitu secība | UTF-8 (byte order neutral); Big/Little-Endian indicated by BOM in UTF-16/32 |
| Krāsu telpas | N/A (Plaintext) |
| Kanāli un struktūra | Linear stream of characters, newline markers (LF \n or CRLF \r\n), and whitespace |
| Maks. izmēri | Unbounded stream length |
| Caurspīdīgums | None |
| Straumēšana un progresīvā ielāde | Universal immediate byte-by-byte streaming |
Tehniskā salīdzinājuma matrica: TXT pret konkurentiem
| Tehniskais atribūts | TXT (Pašreizējais) | MD | HTML | |
|---|---|---|---|---|
| Vizuālais formāts | Nav (tīrs bezstila teksts) | Viegla Markdown sintakse | Fiksēts lapas vizuālais izkārtojums | Pilns CSS un DOM stils |
| Nepieciešamā programmatūra | Nav (jebkurš terminālis vai teksta redaktors) | Markdown priekšskatītājs / lasītājs | Īpašs PDF skatītājs | Tīmekļa pārlūkprogramma |
| Faila izmērs | Absolūti mazākais iespējamais | Minimāls teksta izmērs | Liels binārais konteiners | Mērena iezīmēšanas piesātinātība |
| Arhīva ilgmūžība | Bezgalīga (tīras rakstzīmju baitas) | Pastāvīga (vienkāršs teksts) | Augsta (ISO standarts) | Augsta (W3C standarts) |
Biežākie bojājumu veidi un heksadecimālās atkopšanas ceļvedis
Uzsvarzīmes tiek attēlotas kā sašķiebti simboli, piemēram, "é" vai melnas jautājuma zīmes.
Pamatcēlonis: Kodējuma neatbilstība: vecāka ANSI/Windows-1252 faila atvēršana kā UTF-8 bez pareizas konvertēšanas.
Atkopšana: Pārkodējiet failu ar skaidru UTF-8 kodējumu, izmantojot File2File teksta pārveidotāju.
Drošības analīze un parsētāja uzbrukuma vektori
Vienkārša teksta faili nesatur izpildāmu kodu, taču ļaunprātīgas unikoda rakstzīmes var maldināt lietotājus vai izraisīt termināļa injekciju.
Zināmie uzbrukuma vektori
- No labās uz kreiso pusi pārrakstīšanas (RTLO) unikoda rakstzīmes, kas maskē izpildāmo failu paplašinājumus (piemēram, "report[RTLO]cod.exe").
- Termināļa atstarpes secības injekcija, kas izpilda čaulas komandas, skatoties neapstrādātu tekstu, izmantojot "cat".
- Homoglifu uzbrukumi, aizvietojot standarta ASCII burtus ar identiska izskata kirilicas rakstzīmēm vietrāžos URL.
Aizsardzības labākā prakse:
Vēsturiskā izcelsme un pavērsieni
Galvenās priekšrocības un plusi
- Absolūta universāla saderība: var atvērt, rediģēt un meklēt katrā jebkad izveidotajā skaitļošanas ierīcē.
- Pastāvīga arhīva ilgmūžība: šodien izveidots vienkārša teksta fails paliks 100% lasāms gadsimtiem ilgi.
- Nulle formāta piesārņojuma: satur tīrus datus bez metadatu pārpalikuma, bināriem tagiem vai patentētām struktūrām.
Tehniskie ierobežojumi un mīnusi
- Nulle vizuālā formātojuma: nevar dabiski iezīmēt treknrakstā, slīprakstā, krāsot vai mainīt fontu izmērus bez ārējas iezīmēšanas valodas.
- Platformu rindiņu beigu atšķirības (Windows CRLF pret Unix LF) var izraisīt formātojuma kļūdas dažādās operētājsistēmās.
- Vēsturiskas kodējuma neskaidrības (ANSI, Shift-JIS, Windows-1252) var izraisīt rakstzīmju bojājumus (mojibake) bez UTF-8.
Interesanti tehniski fakti
- UTF-8 tika izgudrots uz paliktņa Ņūdžersijas restorānā 1992. gadā pusdienu laikā, ko paveica Kens Tompsons (Ken Thompson) un Robs Paiks (Rob Pike).
- Windows izmanto divas rakstzīmes jaunai rindai: rindiņas sākums (CR, 0x0D) un rindiņas padeve (LF, 0x0A), kas ir mantojums no mehāniskajām rakstāmmašīnām.
- Vairāk nekā 98% no visām interneta vietnēm izmanto UTF-8 teksta kodējumu.
Bieži uzdotie tehniskie jautājumi
Kas ir UTF-8?
UTF-8 ir universālais rakstzīmju kodēšanas standarts, kas var attēlot katru burtu, ciparu, simbolu un emocijzīmi visās cilvēku valodās, vienlaikus saglabājot 100% savietojamību ar ASCII.
Kāda ir atšķirība starp Windows un Unix rindiņu beigām?
Windows izmanto "CRLF" (divus baitus: Carriage Return + Line Feed), lai attēlotu jaunu rindu, savukārt Unix, Linux un macOS izmanto "LF" (vienu Line Feed baitu).
Kā es varu konvertēt TXT failu uz PDF?
Varat konvertēt parastos teksta failus tīros, profesionālos PDF dokumentos vai Word dokumentos ar vienu klikšķi, izmantojot File2File.app tieši savā tīmekļa pārlūkprogrammā.
Saistītie TXT konvertēšanas pāri
SRT subtitru failu konvertēšana TXT atšifrējumos noņem laika kodus un indeksa numurus, atstājot tīru, lasāmu dialogu.
Skenēta attēla konvertēšana iegūtā tekstā pārvērš attēla pikseļus rediģējamās rakstzīmēs, lai jūs varētu viegli meklēt, rediģēt un saglabāt vārdus.
Rasterattēla PNG dokumenta konvertēšana par vienkāršu tekstu pārveido statiskus attēla pikseļus rediģējamos vārdos, izmantojot optisko rakstzīmju atpazīšanu.