Extrator de texto ODT: tire o texto de arquivos ODT, ODS e ODP

Selecione o arquivo .odt nesta página e o texto aparece na hora, na ordem de leitura, pronto para copiar ou baixar como .txt. Uma tabela de estrutura mostra se cada entrada é um título com seu nível, um item de lista com sua profundidade ou um parágrafo comum, e outros painéis trazem as propriedades do documento e a lista de arquivos do pacote.

Não, o arquivo ODT é descompactado e lido dentro da aba do seu navegador, e nem o arquivo nem o texto extraído saem do aparelho. Nada é gravado em localStorage, sessionStorage ou IndexedDB, então fechar a aba apaga tudo. Depois que a página carrega, a extração em si não precisa de internet.

Abra esta página no Chrome, Firefox ou Safari do celular e escolha o arquivo ODT nos Downloads, no Google Drive ou no app Arquivos; o texto aparece sem instalar aplicativo. No iPhone, salve antes o anexo do e-mail no app Arquivos. É preciso um navegador com DecompressionStream: Chrome 80, Firefox 113 ou Safari 16.4 em diante.

Porque o documento foi salvo com senha e o conteúdo está criptografado; esta ferramenta não quebra nem remove senhas. Abra o arquivo no LibreOffice digitando a senha, use Salvar como desmarcando a opção de salvar com senha e extraia o texto dessa nova cópia.

A mensagem indica que a estrutura ZIP, uma soma de verificação ou a entrada mimetype está errada, ou que o arquivo é um XML plano como .fodt. As causas mais comuns são download interrompido, um .docx renomeado para .odt ou exportação em XML plano. Baixe de novo ou salve outra vez no LibreOffice como documento de texto ODF comum; arquivos ZIP64 também não são aceitos.

Arquivos ODT, ODS e ODP de até 25 MB (25.000.000 bytes) são aceitos, e a prévia mostra no máximo 300.000 caracteres. Os maiores são recusados antes de qualquer leitura. Se o texto passar da prévia, o download traz o mesmo trecho, e as tabelas de estrutura, células e slides mostram até 5.000 linhas cada. Pacotes com mais de 10.000 arquivos internos também são recusados, assim como documentos cujo content.xml, meta.xml ou META-INF/manifest.xml passe de 100 MB descompactado; imagens e outros arquivos do pacote não são descompactados, então esse limite não vale para eles.

Extrair o texto aqui não executa macros, scripts nem objetos incorporados, porque só o XML do documento é lido como texto. Isso não é um atestado sobre o arquivo: um ODT pode ter macros Basic ou objetos vinculados que rodam ao abri-lo num pacote de escritório, então desconfie de remetentes desconhecidos. A ferramenta nunca declara que um arquivo é seguro.

As contagens de palavras, páginas e caracteres vêm do meta.xml do jeito que o aplicativo de origem gravou; aparecem como declaradas e nunca são recalculadas. Se outro programa editou o arquivo depois, podem estar desatualizadas. Já o item Caracteres extraídos conta o que esta ferramenta realmente tirou do documento.

Escolha o arquivo .odp e a tabela de slides mostra as anotações do apresentador numa coluna própria. Ela lista também, em ordem, o número, o nome salvo e o texto de cada slide, e as anotações entram no texto principal logo depois do texto do slide correspondente. Imagens e objetos incorporados, como gráficos, são contados, mas não viram texto; clipes de áudio e vídeo não são contados nem extraídos.

ODT é o formato de texto OpenDocument do LibreOffice e do OpenOffice, e DOCX é o formato do Microsoft Word (Office Open XML). Os dois são pacotes ZIP de XML, mas com partes e marcações diferentes, por isso a ferramenta lê apenas ODT, ODS e ODP. Um DOCX renomeado para .odt é recusado por não ter a entrada mimetype do OpenDocument.

Depois da extração, o botão de download do painel de texto salva um arquivo .txt em UTF-8 com o nome do seu documento. Quebras de linha, tabulações e espaços repetidos são mantidos; formatação, imagens e layout não. Acima de 300.000 caracteres, o arquivo termina em -text-preview.txt e traz só esse começo.