DOCX 文本提取器

把 DOCX 或 DOCM 文件拖进页面，正文会按段落显示在「正文文本」面板里。可以一键复制，也可以下载为与原文件同名的 .txt；下方的段落表还列出每段的序号和样式 ID，想只摘标题时按样式找最快。

不会，解压和解析都在你当前的浏览器标签页里完成，文件不经过网络。提取结果也不会写进浏览器存储，刷新或关闭页面就消失；需要留存请自己复制或下载 TXT。

用较新版本的 Safari、Chrome、Edge 或 Firefox 打开本页即可读出 DOCX 正文。Windows、macOS、iPhone、Android 都是同样的操作，不需要安装 Word 或 WPS；如果提示浏览器缺少解压功能，说明浏览器版本太旧，升级后再试。

这说明文件开头没有 ZIP 签名，它多半不是真正的 DOCX。常见原因是把 .rtf、网页或文本文件直接改了扩展名，或者下载没有完成。可以在原来的编辑软件里重新“另存为 .docx”后再拖进来。

不能，用密码加密的 DOCX 会被识别出来并直接拒绝，工具不做任何解密尝试。加密后正文被装进另一层加密容器，没有密码就读不出内容；请先在 Word 中输入密码、取消加密并另存一份，再用这份副本提取。

单个文件上限是 25,000,000 字节，约 25 MB，超过会在解析前就拒绝。包内工具实际读取的 XML 部件（word/document.xml、[Content_Types].xml、脚注、尾注和批注）各自解压后不能超过 25 MB，合计不超过 100 MB；图片等其他条目不会被解压，所以不受这条限制。ZIP 条目最多 20,000 个，不支持 ZIP64 和分卷压缩。正文超过 30 万字符时仍完整提取，只是会提示内容较长；段落表最多列出前 10,000 段。

不会，这几类文字只统计数量，不并入正文。结构面板分别给出页眉、页脚、脚注、尾注、批注和文本框的个数，所以你能确认正文之外还有多少内容没被带出来；表格单元格和超链接里的文字属于正文，会照常提取。

不会，修订删除的文字被排除，修订插入的文字计入正文。统计里分别显示插入和删除的数量，存在删除或移动时还有提示，因此得到的大致相当于“接受全部修订”后的正文，而不是原稿。

读取过程不会运行、反汇编或解释任何宏代码，只看文本和包结构。检测到 vbaProject.bin 时，“宏部件”会显示数量，这只是一个中性的结构事实，既不说明文件有害，也不说明它无害；之后在 Word 里要不要启用宏，请依据文件来源自己判断。

两者都是 Office Open XML 压缩包，区别在于 DOCM 可以携带 VBA 宏，DOCX 不能。本工具对两种文件用同样方式提取正文，DOCM 里的宏部件只计数不执行；更早的 .doc 是另一种二进制格式，会被提示为旧格式而不处理。

提取完成后点正文面板的下载按钮，就能得到 UTF-8 编码的 .txt。每个段落占一行，段内的制表符和手动换行原样保留；字体、颜色、图片和分页不会进入 TXT，因为纯文本本身不承载排版。