Le DOC est le binaire Word d'avant 2007, que la plupart des outils modernes ouvrent à contrecœur. Le TXT est du texte brut, sans balisage d'aucune sorte. LibreOffice se tient entre les deux, et cette page dit exactement ce qui arrive à un fichier DOC en route vers le TXT.
Ce qui s'exécute quand un fichier DOC devient un TXT
LibreOffice 24.2, sur une machine que nous louons et que nous surveillons. Votre fichier DOC est envoyé une fois, LibreOffice s'exécute une fois, le fichier TXT revient, et aucun des deux fichiers n'est conservé. DOC vers TXT fait partie des 3649 paires sur lesquelles ce moteur a été sondé avec un vrai fichier, et c'est pour cela que cette page existe quand celles que la sonde n'a pas su prouver n'existent pas.
Ce qui survit du fichier DOC dans le fichier TXT
Le texte, et rien qui s'interpose entre un programme et lui.
Un TXT que tout sait ouvrir. Pas de version, pas de schéma, pas de bibliothèque : c'est le format vers lequel on se tourne quand ce qui se trouve en face est un script plutôt qu'une personne.
Ce que la conversion DOC vers TXT vous coûte
Tout ce qui n'est pas le contenu lui-même : la mise en forme, les titres, les images, et toute structure dont le fichier DOC se servait pour se décrire. Un TXT est une chose plate, et c'est voulu.
D'où viennent les fichiers DOC et TXT
DOC. Word l'écrivait avant 2007. C'est un binaire composite OLE2 et non une archive zip de XML, et cette différence explique pourquoi les analyseurs modernes, les filtres de courrier et les chaînes documentaires le refusent de plus en plus franchement plutôt que de le lire à moitié.
Si un modèle doit lire le fichier TXT
La structure est ce qui subsiste du fichier DOC, et la structure est ce dont un modèle a besoin. DOC en entrée, TXT en sortie, avec l'arbre des titres intact plutôt qu'aplati en un seul long paragraphe.
DOC vers TXT, mesuré plutôt que promis
En passant DOC vers TXT sur le moteur réel avec un vrai fichier, LibreOffice a écrit 268 octets au format TXT en 1,1 secondes, machine par ailleurs au repos. C'est un fichier DOC un jour donné et non une moyenne, et c'est pourquoi le nombre est donné avec le fichier qui l'a produit.
Le verdict DOC vers TXT a été obtenu par la relecture du type interne et la recherche d'un mot témoin, c'est-à-dire que la sortie a été relue et reconnue. Le contrôle employé compte, parce qu'ils ne prouvent pas tous la même chose, et un code de statut 200 ne prouve strictement rien sur ce que le fichier TXT contient.
Le même fichier DOC, envoyé ailleurs
Les autres sorties que la sonde a mesurées à partir d'un fichier DOC, pour que le coût du choix du format TXT se lise face à quelque chose. Les tailles ne se comparent pas d'un moteur à l'autre, chaque famille ayant été sondée avec son propre fichier témoin DOC.
DOC vers PDF : 11 917 octets en 1,1 secondes, vérifié par une signature de format.
DOC vers DOCX : 5 462 octets en 1,1 secondes, vérifié par une signature de format.
DOC vers HTML : 1 626 octets en 1,1 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
DOC vers RTF : 4 321 octets en 1,1 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
DOC vers ODT : 12 484 octets en 1,2 secondes, vérifié par la relecture du type interne et la recherche d'un mot témoin.
Les autres routes vers TXT, et ce qu'elles ont mesuré
Parmi les routes publiées vers TXT, DOC est la deuxième plus grosse sortie des 11 mesurées. Les fichiers témoins diffèrent : ce classement porte sur la sonde et non sur votre document.
AZW3 vers TXT : 219 octets en 0,6 secondes.
CSV vers TXT : 114 octets en moins d'un dixième de seconde.
HTML vers TXT : 270 octets en moins d'un dixième de seconde.
JSON vers TXT : 264 octets en moins d'un dixième de seconde.
MD vers TXT : 264 octets en moins d'un dixième de seconde.
Ce que nous ne prétendrons pas sur DOC vers TXT
Un fichier DOC de plus de 25 Mo est refusé avant la fin de l'envoi plutôt qu'après, pour que vous n'attendiez pas un refus.
Une conversion DOC vers TXT qui dépasse 90 secondes est tuée, et le processus LibreOffice avec elle. Une exécution abandonnée resterait posée sur l'un des deux cœurs de la machine jusqu'à ce que quelqu'un le remarque.
LibreOffice est sérialisé exprès, un document à la fois par travailleur, parce que chaque instance de soffice prend 150 à 300 Mo sur une machine qui en a 3,8 Go. Plafond mesuré : 23 conversions DOC en vol et environ 0,9 par seconde en régime établi. Au-delà, la file répond 429 plutôt que de s'écrouler, ce qui a été testé à 32 simultanées.
Les deux tiers des paires qu'on pourrait imaginer dans cette famille n'existent pas, et il vaut mieux savoir pourquoi avant d'en chercher une. LibreOffice convertit à l'intérieur de l'application qui a ouvert votre fichier : depuis un tableur, il écrit des tableurs, du texte brut, du HTML et du PDF, et il n'écrira pas de .docx quelle que soit la façon dont on le lui demande. Il ne rend rien du tout plutôt que quelque chose de faux. Sur 113 combinaisons sondées sur ce moteur, 64 sont revenues avec un vrai fichier et le reste a été refusé net.
Cette paire fait partie des 64. Elle a été prouvée en envoyant un vrai fichier DOC par la route vivante et en lisant le TXT qui revenait : non pas son extension, ses entrailles, plus un mot témoin planté dans la source et retrouvé dans la sortie. Les propriétés nommées plus haut sur cette page viennent d'une seconde sonde qui les cherche une à une.
Un fichier DOC à la fois, choisi dans le navigateur. Il n'y a rien d'autre à régler et rien d'autre à proposer.
DOC vers TXT : les questions que l'on pose
Qu'est-ce qui convertit vraiment mon fichier DOC en TXT ?
C'est LibreOffice qui s'en charge, en 24.2, sur une machine que nous louons et que nous surveillons. Ni astuce de navigateur, ni service d'un tiers : le fichier DOC est envoyé une fois, LibreOffice s'exécute une fois, le TXT revient, et aucun des deux fichiers n'est conservé ensuite.
Combien de temps prend une conversion DOC vers TXT ?
Sur le fichier utilisé par la sonde, LibreOffice a mis 1,1 seconde et écrit 268 octets de TXT. C'est une mesure réelle sur un fichier DOC réel, pas une moyenne et pas une promesse sur le vôtre : un DOC plus gros prend plus longtemps, et au-delà de 90 secondes l'exécution est arrêtée.
Qu'est-ce que je perds en passant du DOC au TXT ?
Celle qu'il faut connaître en premier : tout ce qui n'est pas le contenu lui-même, la mise en forme, les titres, les images, et toute structure dont le fichier DOC se servait pour se décrire. Un TXT est une chose plate, et c'est voulu.
Pourquoi mon TXT est-il tellement plus petit que le DOC ?
Parce qu'un TXT porte le contenu et rien d'autre. La mise en forme, les polices, les images, les titres et la structure de fichier qui les entourait ont tous disparu, par choix. Il reste les mots, dans l'ordre.
La conversion DOC vers TXT est-elle gratuite ?
Il y a une franchise gratuite chaque mois, et une conversion DOC vers TXT coûte un demi-crédit dessus. Quand la franchise est épuisée, l'outil le dit et s'arrête, plutôt que de vous remettre discrètement un TXT moins bon.