Мазмұнға өту
pdftools.kz
rukz

TXT пішімі

Файл .txt ішінде қаріп те, абзац та, белгілеу де жоқ — тек байттар тізбегі мен жол ауысулары. Сондықтан дұрыс болмауы мүмкін жалғыз нәрсе үнемі дұрыс болмайды: оқитын бағдарлама кодтаманы болжайды. PDF-тен мәтін алатын құралымыз .txt файлын UTF-8 күйінде береді және басына байт реті белгісін әдейі қосады, әйтпесе Блокнот пен Excel орыс не қазақ жүйесінде файлды CP1251 деп оқиды.

Браузерде жергіліктітіркеусіз

Сандар туралы қысқаша

Біз не қосамыз
PDF-тен мәтін шығарғанда .txt басына U+FEFF
Не үшін
белгісіз Блокнот пен Excel файлды CP1251 деп оқиды
Неге басқаша болмайды
charset параметрі браузерде қалады, файлға түспейді
Жол ауысулары
Windows-та 0D 0A, macOS пен Linux-та 0A
Кері маршрут
тікелей TXT → PDF жоқ: HTML → PDF .html пен .htm алады

Біз BOM-ды неге қосамыз

Байт реті белгісі — файлдың ең басындағы U+FEFF таңбасы. Формалды түрде UTF-8-ге ол қажет емес, бірақ іс жүзінде Блокнот пен Excel-ге алдында бір байттық кодтық бет емес, Unicode тұрғанын дәл сол айтады. Онсыз қазақтың ә, і, ң, ғ, ү, ұ, қ, ө, һ әріптері сіз күмәндануға үлгергенше кездейсоқ таңбалар жиынына айналады.

Кодтаманы басқаша көрсететін жер, өкінішке қарай, жоқ: жүктелетін нысанның charset параметрі — браузердің метадеректері, файлдың өзіне ол түспейді. Дискіде жалаң байттар тізбегі қалады, жалғыз нұсқау — BOM.

Мәтіндік файлды бұзатын екі нәрсе

  • Кодтама: UTF-8 пен CP1251 қарама-қарсылығы. Қойыртпақ болып ашылса — файлды кодтаманы нақты көрсетіп қайта ашыңыз.
  • Жол ауысулары: Windows 0D 0A байт жұбын жазады, macOS пен Linux — жалғыз 0A.
  • Ескі Блокнот жалғыз 0A бар файлды бір ұзын жол етіп көрсететін; заманауи редакторлар мұны түсінеді.
  • TXT-де қаріп те, өлшем де, қалың жазу да жоқ — онда безендіру сақтаудың мәні жоқ.
  • Кестелеу белгісі әр бағдарламада әртүрлі көрінеді: кестелер үшін бос орынмен туралағаннан гөрі CSV пішімі сенімдірек.

TXT-ден PDF-ті қалай алуға болады

  1. Бізде тікелей TXT → PDF түрлендіргіші жоқ — HTML → PDF маршруты тек .html пен .htm қабылдайды.
  2. Бірінші айналма: мәтінді Word немесе LibreOffice Writer-де ашып, қаріп пен жиектерді қойып, .docx етіп сақтаңыз.
  3. .docx файлын Word → PDF түрлендіргішіне жүктеңіз: 25 МБ дейін, басу серверде жүреді.
  4. Екінші айналма: жол ауысуларын сол күйінде сақтау үшін мәтінді .html файлында <pre> тегімен ораңыз.
  5. Мәтіндегі < және & таңбаларын HTML баламаларымен ауыстырыңыз, әйтпесе талдау кезінде кейбір жолдар жоғалады.
  6. .html файлын түрлендіргішімізге жүктеңіз: 8,27 × 11,69 дюймдік A4 беті мен 0,4 дюймдік жиектер алдын ала қойылған, файл шегі — 10 МБ.

Жиі қойылатын сұрақтар

TXT ішінде қазақ әріптерінің орнына неге таңбалар шығады?

Файл UTF-8 күйінде сақталған, ал бағдарлама оны бір байттық кодтық бет деп оқып тұр. Мәтінді UTF-8-ді нақты таңдап қайта ашыңыз немесе басына байт реті белгісін қойып қайта сақтаңыз.

BOM дегеніміз не және ол кедергі келтіре ме?

Бұл файлдың басындағы Unicode-ты білдіретін үш қызметтік байт. Адамға олар көрінбейді, бірақ кейбір талдағыштар оларды бірінші жолдың бөлігі деп санайды, сондықтан бағдарламалық талдауда белгіні әдейі алып тастайды.

Сайтыңызда TXT-ді PDF-ке айналдыруға бола ма?

Тікелей жоқ: бізде ондай құрал жоқ және оны уәде етпейміз. Жұмыс істейтін екі айналма бар — Word түрлендіргішінде .docx арқылы және HTML түрлендіргішінде .html арқылы.

Құжатты TXT етіп сақтағанда безендіру қала ма?

Жоқ, бұл қате емес, пішімнің қасиеті. Тек мәтін қалады: қаріптер, жазу стильдері, кестелер мен суреттерді мәтіндік файлда сақтайтын жер жоқ, онда байттар мен жол ауысулары ғана бар.

Жақын құралдар