Text extras (.txt)
ISO/IEC StandardUn fișier text simplu stochează caractere fără aspect de pagină, fonturi sau imagini încorporate. Editorii și programele îl pot citi, dar diacriticele pot fi afișate incorect dacă se ghicește greșit codificarea fișierului.
Convertește din SRT în TXT
Convertor gratuit din SRT în TXT direct în browser. Convertește fișiere instantaneu pe dispozitivul tău.
Inspectare și metadate
Sistemele de operare și analizatoarele de fișiere identifică fișierele TXT prin inspectarea secvenței binare inițiale:
Semnătura antetului la nivel de octet (octeți magici)
Sistemele de operare și analizatoarele de fișiere identifică fișierele TXT prin inspectarea secvenței binare inițiale:
SEMNĂTURĂ HEXAZECIMALĂ (DECALAJ 0):
EF BB BF / NoneREPREZENTARE ASCII: UTF-8 BOM / Raw text
Standardizare: ISO/IEC 10646 / Standardul Unicode / IETF RFC 2046
Specificații tehnice
| Arhitectură container | Secvență liniară de caractere lizibile, codificate în ASCII, UTF-8, UTF-16 sau ISO-8859 |
| Compresie | Octeți de caractere bruti necomprimați |
| Ordinea octeților | UTF-8 (fără ordine a octeților); BOM-ul poate indica ordinea octeților în UTF-16/32 |
| Spații de culoare | Nu se aplică (text simplu) |
| Canale și structură | Flux liniar de caractere, marcaje de linie nouă (LF \n sau CRLF \r\n) și spații albe |
| Dimensiuni maxime | Lungime de flux nelimitată |
| Transparență | Nu există |
| Streaming și progresiv | Textul simplu este secvențial; citirea în flux depinde de software. |
Matrice de comparație tehnică: TXT vs. concurenți
| Atribut tehnic | TXT (Curent) | MD | HTML | |
|---|---|---|---|---|
| Formatare vizuală | Niciuna (text pur fără stil) | Sintaxă Markdown simplă | Aspect vizual fix al paginii | Stilizare completă cu CSS și DOM |
| Software necesar | Niciunul (orice terminal sau editor de text) | Vizualizator / cititor Markdown | Vizualizator PDF dedicat | Browser web |
| Dimensiunea fișierului | Absolut minimă posibilă | Dimensiune minimă a textului | Container binar mare | Supradimensionare moderată datorată marcajelor |
| Longevitate arhivistică | Depinde de păstrarea fișierului și de identificarea codificării caracterelor | Poate fi păstrat pe termen lung | Ridicată (standard ISO) | Ridicată (standard W3C) |
Moduri comune de corupție și ghid de recuperare hexazecimală
Literele cu diacritice apar ca simboluri eronate, cum ar fi 'é' sau semne de întrebare negre.
Cauză principală: Neconcordanță de codificare: un fișier ANSI/Windows-1252 mai vechi a fost deschis ca UTF-8 fără conversie corespunzătoare.
Recuperare: Recodifică fișierul explicit în UTF-8 folosind File2File.app Text Converter.
Analiză de securitate și vectori de atac asupra parserului
Fișierele text simplu nu conțin cod executabil, dar caracterele Unicode malițioase pot înșela utilizatorii sau pot provoca injecții în terminal.
Vectori de atac cunoscuți
- Caractere Unicode Right-to-Left Override (RTLO) care maschează extensii de fișiere executabile (de ex., 'report[RTLO]cod.exe').
- Injecție de secvențe de evadare în terminal care execută comenzi de shell la vizualizarea textului brut prin 'cat'.
- Atacuri de omoglife care înlocuiesc literele ASCII standard cu caractere chirilice cu aspect identic în adresele URL.
Cele mai bune practici de securitate: Curăță caracterele Unicode de control bidirecțional și codurile de evadare din terminal la afișarea fișierelor text.
Origini istorice și repere
Avantaje cheie și beneficii
- Fișierele text simplu se deschid în editoare de text și pot fi căutate sau procesate cu instrumente de linie de comandă. Verifică codificarea caracterelor dacă textul cu diacritice apare corupt.
- Textul simplu este ușor de păstrat și migrat, dar lizibilitatea sa pe termen lung depinde de păstrarea fișierului și de identificarea codificării caracterelor.
- Fără costuri suplimentare de format: conține date pure, fără metadate voluminoase, etichete binare sau structuri proprietare.
Limitări tehnice și dezavantaje
- Zero formatare vizuală: nu permite nativ folosirea caracterelor aldine sau cursive, aplicarea culorilor ori modificarea dimensiunilor fonturilor fără un limbaj de marcare extern.
- Diferențele de sfârșit de rând între platforme (Windows CRLF vs Unix LF) pot provoca probleme de formatare în diferite sisteme de operare.
- Ambiguitățile istorice de codificare (ANSI, Shift-JIS, Windows-1252) pot cauza coruperea caracterelor (mojibake) în absența UTF-8.
Curiozități tehnice interesante
- UTF-8 a fost inventat pe un șervețel de hârtie într-un restaurant din New Jersey în 1992 de Ken Thompson și Rob Pike în timpul cinei.
- Windows folosește două caractere pentru o linie nouă: Carriage Return (CR, 0x0D) și Line Feed (LF, 0x0A), o moștenire de la mașinile de scris mecanice.
- UTF-8 este codificarea dominantă folosită de site-uri web, deși cota sa exactă se schimbă în timp.
Întrebări tehnice frecvente
Ce este UTF-8?
UTF-8 codifică repertoriul Unicode și păstrează valorile originale ale octeților pentru caracterele ASCII.
Care este diferența dintre sfârșurile de linie Windows și Unix?
Windows folosește 'CRLF' (doi octeți: Carriage Return + Line Feed) pentru a reprezenta o linie nouă, în timp ce Unix, Linux și macOS folosesc 'LF' (un singur octet Line Feed).
Cum pot converti un fișier TXT în PDF?
Poți converti fișiere text simple în documente PDF sau Word direct în browser, folosind File2File.app.
Perechi de conversie TXT conexe
Conversia fișierelor de subtitrare SRT în transcrieri TXT elimină codurile de timp și numerele de index, lăsând doar dialogul curat și ușor de citit.
Conversia unei imagini scanate în text extras transpune pixelii imaginii în caractere editabile, astfel încât să poți căuta, edita și stoca cu ușurință cuvintele.
Conversia unui document imagine PNG raster în text simplu transformă pixelii unei imagini statice în cuvinte editabile cu ajutorul recunoașterii optice a caracterelor.