Qu’est-ce qu’un fichier TXT ?

TXT est un format texte que n’importe quel éditeur ouvre. Il est utilisé pour l’échange entre programmes et l’archivage.

L’extension est .txt et le nom complet Plain Text. L’un et l’autre comptent moins que ce que le fichier peut contenir, et c’est le sujet du reste de cette page.

Il remonte à 1963. La spécification est Unicode.

À un format resté lisible aussi longtemps, on peut confier quelque chose qu’on veut retrouver dans dix ans.

Elle est publiée intégralement : n’importe qui peut l’implémenter à partir du document plutôt qu’en l’observant, et c’est pourquoi ce format apparaît dans tant de programmes et pourquoi des fichiers écrits il y a vingt ans s’ouvrent encore. Une spécification publiée n’est pas pour autant libre de redevances : quand un format enveloppe un codec, les brevets sont une question à part, que la norme ne tranche pas.

TXT enregistre son contenu à l’identique. Le réenregistrer ne change rien : vous pouvez l’ouvrir, le modifier et le réenregistrer autant de fois que vous voulez sans accumuler de dégâts, et c’est ce qui en fait un format de travail plutôt qu’un format de livraison.

Notepad, TextEdit et Visual Studio Code le lisent, comme la plupart des programmes du même genre.

Quand un fichier ne s’ouvre pas, le format est rarement en cause : le plus souvent, c’est le programme qui est plus ancien que lui. Convertir vers quelque chose de plus ancien est le contournement fiable, et c’est à cela que sert le reste de ce site.

Tous les navigateurs actuels le lisent.

Vous pouvez donc le poser sur une page ou l’attacher à un message sans vous demander ce que le destinataire a installé.

TXT est fait pour être ouvert et modifié. Gardez le fichier dans ce format tant que le travail dure, et exportez depuis lui chaque fois qu’une version finie est nécessaire.

Un fichier TXT est une suite de caractères. Pas d’en-tête, pas de structure, pas de mise en forme, pas de métadonnée, pas de numéro de version. Rien à devenir obsolète, et rien qui exige un programme pour être lu. C’est là toute la spécification, et c’est pourquoi un fichier texte écrit en 1970 s’ouvre aujourd’hui dans n’importe quoi et s’ouvrira dans cinquante ans dans ce qui aura remplacé ce qu’on utilise.

Tout le reste de ce site est un format au sens propre : des octets arrangés pour qu’un type particulier de programme reconstitue quelque chose. Le texte brut ne demande rien. C’est le sol sur lequel chaque autre format est construit, ce qui explique pourquoi HTML, CSV, JSON, Markdown, SRT et SVG sont tous, au fond, des fichiers texte avec des conventions empilées par-dessus.

Les caractères doivent être stockés sous forme de nombres, et quel nombre correspond à quel caractère est l’encodage. UTF-8 est la réponse partout désormais, avec la propriété utile qu’un texte anglais pur est identique octet pour octet à l’ASCII d’il y a cinquante ans, et qu’un texte français ou allemand n’ajoute que quelques pour cent de volume supplémentaire par rapport à un encodage historique plus compact.

Les fichiers plus anciens ne sont pas en UTF-8, et rien dans le fichier ne le dit. Un texte enregistré sur une machine Windows d’Europe occidentale est probablement en Windows-1252 ; en Europe centrale en 1250 ; en Russie en 1251. Ouvrir l’un de ces fichiers en présumant UTF-8 et chaque lettre accentuée devient un losange noir ou une paire de caractères absurdes. Les octets sont intacts — c’est le lecteur qui se trompe. N’importe quel éditeur correct vous laisse rouvrir le fichier avec un encodage différent, ce qui le répare instantanément et sans avoir à retaper quoi que ce soit. Le cas le plus embêtant est celui des fichiers qui mélangent deux encodages selon les passages, par exemple un extrait en UTF-8 inséré dans un document en Windows-1252 ; là, il n’y a pas de réglage unique qui rende l’ensemble lisible, et il faut souvent retourner au fichier source pour récupérer une version propre.

Certains éditeurs écrivent trois octets invisibles au début d’un fichier UTF-8 pour déclarer ce qu’il est. Sur Windows cela reste courant ; presque partout ailleurs c’est considéré comme une erreur.

C’est invisible dans un éditeur et très visible pour un programme. Un fichier de configuration avec un BOM échoue à s’analyser. Un CSV avec un BOM a un en-tête de première colonne qui ne correspond à rien. Un script shell avec un BOM refuse de s’exécuter avec un message d’erreur peu utile. Si un fichier texte est rejeté par quelque chose sans raison apparente, c’est la première chose à vérifier — « UTF-8 sans BOM » est le réglage à choisir, et presque tous les éditeurs un peu sérieux l’exposent en clair dans leurs préférences d’enregistrement. Le piège qui revient est celui d’un enregistrement par « Enregistrer sous » qui ne respecte pas le réglage par défaut du projet, parce que l’éditeur traite chaque session comme indépendante et revient à un comportement standard si le profil de projet n’est pas correctement configuré.

Windows termine une ligne par deux caractères, retour chariot et saut de ligne. Tout le reste utilise un seul, le saut de ligne seul. Les deux sont légitimes, et le fichier n’annonce pas lequel il utilise.

Les symptômes visibles sont anciens mais pas disparus : un fichier Unix ouvert dans Notepad Windows comme une seule ligne énorme, ou un fichier Windows montrant un marqueur parasite à la fin de chaque ligne dans un outil Unix. Les éditeurs modernes gèrent les deux en silence et peuvent convertir de l’un à l’autre. Là où cela mord encore, c’est dans le contrôle de version, où un fichier entier apparaît modifié parce que l’éditeur de quelqu’un a réécrit toutes les fins de ligne, et dans les scripts, où un retour chariot final devient partie d’un nom de fichier et rien ne marche.

La longévité d’abord. Si quelque chose doit être lisible dans trente ans sans présumer d’un logiciel, ce doit être du texte. Cela couvre les notes, les comptes-rendus, les transcriptions, la configuration, les exports de données et tout ce dont un archiviste vous remerciera. La longévité est mesurable : il existe des fichiers TXT des années 1970 qui s’ouvrent aujourd’hui sans manipulation, ce qui n’est vrai d’aucun format de document de la même époque.

Puis l’outillage. Le texte peut être recherché, filtré, trié, comparé et édité par un grand nombre de programmes qui ne savent rien de vos données. Un diff entre deux versions est signifiant. Le contrôle de version peut fusionner les modifications de deux personnes. Rien de tout cela n’est possible avec un document binaire, et c’est la raison pour laquelle une part si importante du travail technique se fait dans des formats texte qui semblent primitifs à côté des alternatives. Le revers est l’absence de structure : tout ce qui n’est pas encodé dans le texte lui-même (couleur, hiérarchie, relations) doit être deviné ou ignoré, et c’est ce qui rend le format inadapté à tout ce qui doit être rendu de manière différenciée sans travail supplémentaire.

Les journaux et les exports se mesurent en gigaoctets, et la plupart des éditeurs essaient de tout charger en mémoire. Un traitement de texte refusera tout court ; un éditeur général peut faire planter la machine.

Les outils qui tiennent le coup lisent par blocs — un véritable éditeur de code, un pager, ou les utilitaires en ligne de commande conçus pour cela. Sur n’importe quel système, regarder les cinquante premières et les cinquante dernières lignes d’un gros fichier répond à la plupart des questions sans l’ouvrir : le haut dit ce qu’est le fichier, le bas dit si le processus qui l’a écrit s’est terminé proprement.

Convertir un document vers TXT conserve les mots et abandonne tout le reste — polices, mise en page, images, tableaux, titres. Parfois c’est le but : extraire le texte d’un PDF pour le citer, le chercher, ou l’alimenter à autre chose. Ce qu’il faut savoir, c’est qu’un tableau converti en texte brut devient en général illisible, parce que l’alignement qui en faisait un tableau tenait à la mise en forme plutôt qu’au contenu.

Dans l’autre sens, convertir du texte en PDF est un changement de contenant, pas de contenu. Cela fixe l’apparence, rend le fichier imprimable, et produit quelque chose qui s’ouvre de la même manière pour tout le monde. Le fichier texte reste la version que vous pouvez encore éditer, chercher et comparer, et c’est pourquoi garder les deux est en général la bonne réponse.