¿Qué es un archivo TXT?

TXT es un formato de texto plano que se abre en cualquier editor. Se usa para mover datos entre programas y el archivado.

La extensión es .txt y el nombre completo, Plain Text. Ambos importan menos que lo que el archivo puede contener, y de eso trata el resto de esta página.

Se remonta a 1963. La especificación es Unicode.

A un formato que lleva tanto tiempo siendo legible se le puede confiar algo que quieras recuperar dentro de diez años.

Está publicada entera, así que cualquiera puede implementarla leyendo el documento en vez de a base de inspeccionar archivos. Por eso aparece en tantos programas, y por eso los archivos escritos hace veinte años siguen abriéndose hoy. Publicada no quiere decir libre de regalías: cuando un formato envuelve un códec, la licencia de las patentes es un asunto aparte que la norma no resuelve.

TXT guarda su contenido exactamente. Volver a guardarlo no cambia nada, así que puedes abrirlo, editarlo y guardarlo tantas veces como quieras sin acumular daño; eso es lo que lo convierte en un formato de trabajo y no de entrega.

Notepad, TextEdit y Visual Studio Code lo leen, y también la mayoría de programas del mismo tipo.

Cuando un archivo no se abre, el formato rara vez es el problema: lo más habitual es que el programa sea anterior al formato. Convertir a algo más antiguo es la salida fiable, y para eso está el resto de este sitio.

Cualquier navegador actual lo lee.

Eso lo convierte en algo que puedes poner en una página o adjuntar a un mensaje sin preguntarte qué tiene instalado el otro lado.

TXT está pensado para abrirse y cambiarse. Guarda el archivo en este formato mientras el trabajo siga en marcha y exporta desde él cada vez que haga falta una copia terminada.

Un archivo TXT es una sucesión de caracteres. No tiene cabecera, ni estructura, ni estilos, ni metadatos, ni versión: nada que pueda quedarse obsoleto y nada que necesite un programa concreto para interpretarse. Esa es la especificación entera, y por eso un texto escrito en 1970 se abre hoy con cualquier cosa y se abrirá dentro de cincuenta años con lo que sea que haya entonces.

Todo lo demás en este sitio es un formato en el sentido estricto: bytes dispuestos para que cierto tipo de programa reconstruya algo. El texto plano no pide nada. Es el suelo sobre el que se construyen los demás, y por eso HTML, CSV, JSON, Markdown, SRT y SVG son, por debajo, archivos de texto con convenciones encima.

Los caracteres se guardan como números, y qué número significa qué carácter es la codificación. Hoy la respuesta es UTF-8 en todas partes, y tiene la propiedad útil de que un texto en inglés corriente es idéntico byte a byte al ASCII de hace cincuenta años. En español no: la ñ, las vocales acentuadas, la diéresis y los signos de apertura ocupan dos bytes cada uno y son justamente lo que se estropea.

Los archivos antiguos no son UTF-8 y nada dentro del archivo lo dice. Un texto guardado en un Windows español de hace veinte años suele estar en Windows-1252; en Europa central, en 1250; en Rusia, en 1251. Ábrelo suponiendo UTF-8 y «Cataluña» aparece como una palabra con dos caracteres raros en medio, o con un rombo negro con un interrogante dentro. Los bytes están bien: el lector está adivinando y adivina mal. Cualquier editor decente permite reabrir el archivo con otra codificación, y eso lo arregla al instante sin teclear nada.

Algunos editores escriben tres bytes invisibles al principio de un archivo UTF-8 para declarar lo que es. En Windows es habitual; en casi todo lo demás se considera un error.

Es invisible para ti y clarísima para un programa. Un archivo de configuración con esa marca no se analiza. Un CSV con ella tiene una primera cabecera de columna que no coincide con nada. Un script se niega a ejecutarse con un mensaje que no ayuda. Si algo rechaza un archivo de texto sin motivo aparente, esto es lo primero que hay que mirar: la opción que buscas se llama «UTF-8 sin BOM».

Windows termina una línea con dos caracteres, retorno de carro y salto de línea. Todo lo demás usa uno, el salto de línea solo. Las dos formas son legítimas y el archivo no anuncia cuál emplea.

Los síntomas son viejos pero no han desaparecido: un archivo de origen Unix abierto en el Bloc de notas antiguo como una única línea enorme, o un archivo de Windows mostrando una marca sobrante al final de cada línea en una herramienta Unix. Los editores actuales lo llevan en silencio y saben convertir. Donde todavía muerde es en el control de versiones, cuando un archivo entero aparece modificado porque el editor de alguien reescribió todos los finales de línea, y en los scripts, donde un retorno de carro sobrante se cuela dentro de un nombre de archivo y deja de funcionar todo.

En durar. Si algo tiene que poder leerse dentro de treinta años sin suponer nada sobre el software disponible, debe ser texto. Eso cubre notas, actas, transcripciones, configuraciones, volcados de datos y cualquier cosa que un archivero vaya a agradecerte.

Y en herramientas. El texto se busca, se filtra, se ordena, se compara y se edita con un número enorme de programas que no saben nada de tus datos. Una diferencia entre dos versiones es legible. Un sistema de control de versiones puede fusionar los cambios de dos personas. Nada de eso es posible con un documento binario, y es la razón de que tanto trabajo técnico ocurra en formatos que parecen primitivos al lado de las alternativas.

Los registros y las exportaciones llegan a varios gigabytes, y la mayoría de editores intentan cargarlo todo en memoria. Un procesador de textos simplemente se niega; un editor genérico puede dejar la máquina colgada.

Las herramientas que aguantan leen por trozos: un editor de código serio, un paginador o las utilidades de línea de órdenes hechas para eso. En cualquier sistema, mirar las primeras y las últimas cincuenta líneas responde a casi todas las preguntas sin abrir nada: arriba se ve qué es el archivo y abajo, si el proceso que lo escribió llegó a terminar.

El primero es un PDF. Se extrae la capa de texto que el PDF ya lleva dentro, dentro del navegador y sin subir nada: salen todas las páginas, unidas por una línea en blanco. Lo que no sale es la maquetación — no hay detección de columnas ni corrección del orden de lectura, así que un documento a dos columnas sale en el orden en que el archivo guardó el contenido — ni las tablas, que se quedan sin separadores. Y hace falta que haya capa de texto: un escaneo devuelve un error que lo explica en lugar de un archivo vacío.

El segundo es el reconocimiento óptico sobre una imagen, también en el navegador, con Tesseract y con los modelos alojados aquí en lugar de descargados de un tercero. Hay cuatro idiomas disponibles, español entre ellos, y elegir mal el idioma no da un error sino un texto plausible y falso. La salida es texto llano sin ninguna limpieza: los saltos y las líneas en blanco salen exactamente como los produjo el reconocedor. Es el motor más lento del sitio con diferencia, y el único que puede equivocarse con seguridad en lugar de limitarse a ser imperfecto.

De TXT solo sale una conversión, a PDF, y la hace LibreOffice en un contenedor nuestro. Es por tanto de las que suben el archivo: el texto viaja a api.quinvert.com, se guarda con un nombre neutro en una carpeta temporal que se borra al terminar y también en cada camino de error, y el contenedor no tiene salida a internet. El tope aquí son 25 MB por archivo, frente a los 100 MB de las conversiones que se resuelven en el navegador.

En cuanto al contenido, pasar texto a PDF es un cambio de envase y no de fondo. Fija la apariencia, lo hace imprimible y produce algo que se abre igual para todo el mundo; la maquetación se compone con tipografías sustitutas de métrica compatible. El archivo de texto sigue siendo la versión que puedes editar, buscar y comparar, y por eso lo habitual es quedarse con los dos.