Converter DOCX para texto simples

1. 1

   Adicione o documento

   Arraste um arquivo para a área de upload ou clique em Procurar. São aceitos DOCX, DOCM, DOTX, DOTM, DOC, RTF, ODT e OTT. O arquivo é lido no seu dispositivo e nunca é enviado.

2. 2

   Escolha o que incluir

   O texto aparece de imediato. Use o painel ao lado para incluir ou deixar de fora cabeçalhos, rodapés, notas de rodapé, notas de fim, comentários e caixas de texto, para decidir como tabelas e listas são escritas, e para definir quebras de linha e codificação. A pré-visualização acompanha cada alteração.

3. 3

   Copie ou baixe

   Copie o texto para a área de transferência ou baixe-o como arquivo TXT. Com vários documentos abertos, baixe um ZIP de arquivos separados ou um único TXT combinado.

Quatro formatos de documento, seis zonas de conteúdo, estrutura real de tabelas e listas, e codificação à escolha, tudo no seu dispositivo.

• Quatro formatos de entrada: DOCX e as variantes DOCM, DOTX e DOTM, DOC antigo, RTF, e OpenDocument ODT e OTT.
• Todas as zonas de conteúdo: cabeçalhos, rodapés, notas de rodapé, notas de fim, comentários e caixas de texto, cada um com o seu interruptor.
• Tabelas que continuam tabelas: cada linha fica numa linha com células separadas por tabulações, pronta a colar numa planilha.
• Listas que mantêm os números: marcas e numeração são reconstruídas, incluindo níveis aninhados como 1., 1.a), 1.b), 2.
• Pré-visualização ao vivo: o texto aparece de imediato e cada opção reescreve-o na hora, por isso o que vê é sempre o que vai baixar.
• Copiar ou baixar: copie para a área de transferência, salve um .txt, ou leve um lote inteiro como ZIP ou um único arquivo combinado.
• A codificação que escolher: UTF-8, UTF-8 com BOM para o Bloco de Notas do Windows e o Excel, ou UTF-16, com quebras de linha LF ou CRLF.
• No seu dispositivo, não nos nossos servidores: sem envio, sem fila, sem cópias armazenadas, e continua funcionando offline depois de a página carregar.

Cada um destes é um formato de arquivo genuinamente diferente, não uma extensão diferente do mesmo, e cada um precisa do seu próprio leitor. Tudo o que não estiver nesta lista é recusado no momento em que o escolhe, com um link para a ferramenta que o trata, em vez de depois de uma espera.

• DOCX, DOCM, DOTX, DOTM: Word moderno. Um arquivo comprimido de partes XML. As variantes com macros e de modelo são o mesmo contêiner, por isso as quatro comportam-se de forma idêntica.
• DOC: Word 97-2003. Um arquivo binário composto cujo texto é guardado em pedaços e recomposto através de um índice, com a numeração das listas e a forma das tabelas em tabelas separadas.
• RTF: Rich Text Format. Um único fluxo de grupos aninhados, a maioria dos quais são tabelas de fontes, tabelas de cores e imagens incorporadas em vez de texto.
• ODT, OTT: texto OpenDocument, escrito pelo LibreOffice e pelo «Fazer download como OpenDocument» do Google Docs. Um arquivo como DOCX, com nomes de elementos diferentes e os cabeçalhos guardados no estilo de página.

O que é recusado e para onde ir

• PDF: um formato de esquema de página sem parágrafos para ler; o extrator de texto de PDF trata disso.
• Excel e PowerPoint: formatos Office completamente diferentes; o conversor de Excel para CSV e o extrator de texto do PowerPoint tratam desses.
• Imagens e digitalizações: a fotografia de um documento não contém texto até ser reconhecido; disso trata o extrator de texto de imagens.
• Documentos protegidos por senha: o texto está cifrado e não pode ser lido sem a senha. Remova-a no Word e converta o resultado.

A maioria dos conversores devolve o corpo do documento e mais nada, porque o corpo é a parte fácil. Tudo o que se segue é um interruptor próprio, e cada um vem ligado ou desligado por uma razão.

• Cabeçalhos e rodapés: incluídos por padrão. Um timbre, um título de documento ou um rodapé são conteúdo, e perdê-los em silêncio é a falha mais comum de outros conversores.
• Notas de rodapé e de fim: incluídas por padrão, cada uma numerada para se saber qual é qual. Vivem numa parte própria do documento e aparecem depois do corpo.
• Comentários: de fora por padrão, e identificados com o autor quando ligados. As observações de quem revisa são sobre o documento, não parte dele.
• Caixas de texto: incluídas por padrão. Citações em destaque e legendas em caixas flutuantes são conteúdo normal que apenas está posicionado.
• Texto oculto: de fora por padrão. O texto que o documento marca como oculto foi ocultado de propósito.
• Texto eliminado: nunca incluído. As palavras removidas no registro de alterações continuam no arquivo, e devolvê-las contradiria o documento em silêncio.
• Códigos de campo: nunca incluídos, mas os resultados sim. Um campo de data contribui com a data que mostra, não com a instrução que a produziu.

O texto simples não consegue transportar uma fonte, mas consegue transportar estrutura, e a quantidade que sobrevive é a diferença entre texto que pode usar e texto que precisa voltar a escrever.

• Tabelas como linhas: cada linha passa a uma linha com células separadas por tabulações, que é o que uma planilha espera ao colar. Uma tabela aninhada dentro de uma célula é dobrada nessa célula para a linha exterior manter a forma.
• Tabelas como parágrafos: cada célula passa a ser o seu próprio parágrafo, o que se lê melhor em prosa e é o que a maioria dos conversores faz queira ou não.
• Marcas de lista: marcas e números são reconstruídos a partir das definições de lista do próprio documento, por isso 1., 1.a), 1.b), 2. sai com o número do nível superior a que os itens aninhados pertencem.
• Quebras de linha: uma quebra dentro de um parágrafo é mantida como quebra de linha. Moradas, versos e blocos de assinatura dependem disso, e um conversor que a perde solda duas linhas numa só palavra.
• Quebras de página: mostradas como linha em branco por padrão, como avanço de página para o software que o espera, ou ignoradas por completo.
• Linhas em branco: mantidas, reduzidas a uma, ou removidas, para documentos que usam parágrafos vazios como espaçamento.

Estas duas configurações causam mais confusão do que tudo o resto no texto simples, porque um .txt não registra nenhuma delas. Acertar no momento da exportação é a única solução fiável.

• UTF-8: o padrão e a resposta certa em quase todo lugar: a web, o macOS, o Linux e qualquer editor moderno.
• UTF-8 com BOM: os mesmos bytes com uma marca de três bytes à frente. O Bloco de Notas do Windows e o Excel precisam dela, e sem ela cada caractere acentuado ou não latino aparece estragado.
• UTF-16: dois bytes por caractere, sempre com marca de ordem de bytes. Algum software antigo do Windows ainda espera isto.
• Quebras LF: um byte por quebra de linha. O padrão, e o que o macOS, o Linux e todas as ferramentas de programação esperam.
• Quebras CRLF: dois bytes por quebra de linha, esperados pelo Bloco de Notas do Windows e por muito software antigo do Windows.

O texto simples é o formato que todos os outros programas sabem ler. Converter um documento Word em texto retira o estilo que impede a reutilização do conteúdo e deixa as próprias palavras, prontas a colar num sistema de gestão de conteúdos, alimentar um script, comparar com outra versão, ou arquivar num formato que ainda abrirá daqui a trinta anos.

Vantagens do formato de texto

• Universal: um .txt abre em qualquer editor, em qualquer sistema operativo, sem instalar nada.
• Pequeno: o texto ocupa uma fração do documento de onde veio, porque não carrega o esquema.
• Pesquisável e automatizável: o texto simples é o que grep, planilhas, pipelines de dados e modelos de linguagem esperam como entrada.
• Comparável: dois arquivos de texto comparam-se linha a linha, o que dois documentos Word não permitem.
• Duradouro: um arquivo de texto simples não tem versão, nem esquema, nem dependência do programa que o escreveu.

Um documento Word não é uma página de texto com formatação polvilhada por cima. É um pacote de partes separadas, e as palavras estão distribuídas por elas: o corpo numa parte, cada cabeçalho e rodapé em outra, notas de rodapé, notas de fim e comentários em mais três, e tudo o que está dentro de uma caixa de texto aninhado em algum lugar pelo meio. Converter para texto significa visitá-las todas e decidir o que pertence ao resultado.

Processo de conversão

• Identificar o arquivo: o documento é reconhecido pelo conteúdo e não pela extensão, por isso um arquivo renomeado abre mesmo assim e um que não seja documento é recusado com um link para a ferramenta certa.
• Ler só o necessário: um DOCX ou ODT é um arquivo comprimido, e um documento com muitas imagens é sobretudo imagens. Só as partes com texto são descomprimidas; as imagens nunca são tocadas.
• Percorrer o documento: parágrafos, segmentos, tabelas, listas, notas e caixas de texto são reunidos numa estrutura que mantém a ordem e a forma do original.
• Escrever o texto: as suas escolhas decidem que zonas aparecem, como tabelas e listas são escritas, como os parágrafos são separados, e que quebras de linha e codificação o arquivo usa.

Algumas coisas do formato que explicam o que o texto simples consegue e não consegue transportar.

Dados principais

• Um .docx, .docm, .dotx e .dotm são o mesmo contêiner com etiquetas diferentes, por isso os quatro convertem de forma idêntica.
• Um .doc antigo guarda o texto em pedaços que precisam ser recompostos por ordem de leitura; não estão guardados pela ordem em que se leem.
• Cabeçalhos, rodapés, notas de rodapé, notas de fim e comentários vivem fora do corpo do documento, e é por isso que tantos conversores os perdem.
• Uma quebra de linha dentro de um parágrafo e o fim de um parágrafo são coisas diferentes no Word, e aqui ambas são preservadas.
• O texto marcado como eliminado no registro de alterações continua no arquivo, e incluí-lo devolveria palavras que o autor retirou.
• O texto simples não leva marca de codificação, e é por isso que existe a opção UTF-8 com BOM para o software do Windows.

Alguns hábitos que fazem o resultado chegar limpo ao lugar para onde vai.

Considerações de qualidade

• Verifique a pré-visualização antes de baixar; é o texto exato que o arquivo vai conter, não uma aproximação.
• Desligue cabeçalhos e rodapés quando o mesmo timbre se repete em todas as páginas e só quer o corpo.
• Mantenha as tabelas como linhas com tabulações se o texto vai para uma planilha, e passe a parágrafos se vai para prosa.
• Escolha UTF-8 com BOM se o arquivo for aberto no Bloco de Notas do Windows ou importado no Excel, e CRLF se seguir para software antigo do Windows.
• Ligue os endereços dos links quando os links importam; só o texto perde para onde cada uma apontava.
• Use «Remover linhas em branco» quando o documento usa parágrafos vazios como espaçamento.

Casos de uso comuns

• Publicação: passar um manuscrito para um sistema de gestão de conteúdos sem arrastar os estilos do Word para a página.
• Trabalho com dados: retirar tabelas de relatórios como linhas com tabulações que uma planilha ou um script conseguem ler.
• Revisão: comparar duas versões de um contrato linha a linha, impossível enquanto ambas forem arquivos Word.
• Arquivo: manter uma cópia legível de um documento num formato sem versão nem dependências.
• Acessibilidade: obter as palavras de base de um documento muito formatado para um leitor de tela ou uma reescrita em linguagem clara.
• IA e pesquisa: preparar texto limpo para indexar, resumir ou gerar embeddings, sem ruído de marcação.

Nesta ferramenta não há passo de envio porque não há servidor nenhum a fazer o trabalho. O seu documento é lido dentro da página, na sua própria máquina, e o texto não viaja para lugar nenhum. É uma diferença prática e não um slogan: não há fila, nem limite diário de conversões, nem arquivo esperando no disco de outra pessoa, nem outro limite de tamanho senão aquilo que o seu dispositivo aguenta.

• Nada é enviado: o arquivo é aberto diretamente do seu disco e lido ali mesmo.
• Nada é armazenado: feche a aba e o documento e o respectivo texto desaparecem.
• Funciona offline: depois de a página carregar, a conversão continua funcionando sem conexão nenhuma.
• Sem filas nem limite diário: o trabalho acontece na sua máquina, por isso não há nada por trás do qual esperar.

Os documentos são lidos no seu dispositivo por um leitor próprio, por isso nada é enviado e nada espera numa fila.

• Word para PDF
• Word para HTML
• Word para Markdown
• Visualizador de Word
• Comprimir Word
• Juntar Word
• Metadados de Word
• PDF para texto
• PowerPoint para texto
• Excel para CSV
• Contador de palavras
• Analisador de texto