Extracteur de texte DOCX

Glissez le DOCX sur cette page : le texte du corps apparaît aussitôt, découpé en paragraphes, prêt à être copié en un clic. Le bouton de téléchargement produit un .txt portant le nom du fichier d'origine, et le tableau des paragraphes indique le style de chacun pour repérer rapidement les titres.

Non, la décompression et l'analyse se déroulent dans l'onglet du navigateur et le contenu du document ne transite pas par le réseau. Rien n'est conservé dans le stockage du navigateur non plus : recharger ou fermer l'onglet efface le résultat, pensez donc à copier ou télécharger ce que vous voulez garder.

Ouvrez simplement cette page dans Safari, Chrome ou Firefox à jour sur votre Mac et déposez le fichier : aucun Word, Pages ni compte n'est nécessaire. Cela fonctionne de la même façon sous Windows, sur iPhone ou sur Android ; si un message indique que la décompression est indisponible, mettez le navigateur à jour.

Elle indique que le fichier ne commence pas par la signature ZIP : malgré son extension, ce n'est pas un véritable DOCX. Il s'agit souvent d'un RTF, d'une page HTML ou d'un texte renommé, ou d'un téléchargement interrompu. Réenregistrez-le au format .docx depuis le logiciel d'origine, ou téléchargez-le de nouveau.

Un DOCX chiffré par mot de passe enferme son contenu dans un conteneur chiffré, et l'outil le refuse d'emblée sans tenter de le déchiffrer. Ouvrez-le dans Word avec le mot de passe, retirez le chiffrement dans les options de protection, enregistrez une copie, puis déposez cette copie ici.

La limite est de 25 000 000 octets, soit environ 25 Mo par fichier, et tout fichier plus lourd est refusé avant même l'analyse. À l'intérieur du paquet, les parties XML que l'outil lit réellement (word/document.xml, [Content_Types].xml, notes de bas de page, notes de fin et commentaires) ne doivent pas dépasser 25 Mo chacune une fois décompressées, ni 100 Mo au total ; les images et autres entrées ne sont jamais décompressées, cette limite ne les concerne donc pas. Le paquet peut compter 20 000 entrées au plus et le ZIP64 n'est pas pris en charge. Au-delà de 300 000 caractères, le texte reste complet avec un avertissement.

Non, ces éléments restent hors du texte du corps, tout comme les notes de fin et les zones de texte ; le panneau de structure affiche seulement leur nombre. Vous savez ainsi précisément ce qui n'a pas été repris. Le texte des tableaux et des liens hypertexte appartient en revanche au corps et il est bien extrait.

L'analyse n'exécute, ne désassemble et n'interprète jamais le code des macros : seuls le texte et la structure du paquet sont lus. Si un vbaProject.bin est présent, le compteur de parties de macro l'indique comme un fait neutre, sans affirmer que le fichier est malveillant ou inoffensif. L'activation des macros dans Word dépend ensuite de la provenance du fichier.

Oui, dans les grandes lignes : les insertions suivies sont conservées, tandis que les suppressions et l'emplacement d'origine des passages déplacés sont écartés. Les nombres d'insertions et de suppressions figurent dans les statistiques et un avertissement signale ce qui a été retiré, ce qui revient à accepter toutes les modifications plutôt qu'à relire le brouillon.

Les deux sont des paquets Office Open XML, mais un DOCM peut embarquer des macros VBA alors qu'un DOCX ne le peut pas. L'outil extrait leur texte exactement de la même manière et se contente de compter les parties de macro. L'ancien format .doc, binaire, est un format distinct et il est refusé avec un message dédié.

Une fois l'extraction terminée, le bouton de téléchargement du panneau de texte enregistre un .txt en UTF-8 où chaque paragraphe occupe sa propre ligne. Tabulations et sauts de ligne manuels sont préservés à l'identique ; la mise en forme, les images et la pagination ne peuvent pas passer dans du texte brut.