Word в TXT
онлайн
Из документа достаётся чистый текст, но не сплошной кашей: списки сохраняют маркеры, абзацы разделяются пустой строкой, таблицы раскладываются по строкам.
Почему просто «выдернуть текст» — плохая идея
Самый простой способ получить текст из DOCX — вытащить все строки подряд. Результат получается нечитаемым: пункты списка сливаются с абзацами, заголовки ничем не отличаются от обычного текста, ячейки таблицы идут сплошным потоком. Открыв такой файл, человек не может понять, где кончалась одна мысль и начиналась другая.
Поэтому мы сначала разбираем документ в структуру, а уже её раскладываем текстом. Пункты списка получают точки и номера, вложенные списки — отступы, абзацы разделяются пустой строкой, строки таблицы разбиваются табуляцией. Оба поведения переключаются: если текст пойдёт в программу, а не человеку, маркеры и пустые строки иногда только мешают.
- Списки с маркерами и номерами, с учётом вложенности
- Абзацы разделяются пустой строкой
- Таблицы раскладываются по строкам через табуляцию
- Маркеры и пустые строки отключаются
- Результат копируется прямо из окна