Convertir Outlook a Texto en línea gratis

Convertir un MSG de Outlook a texto plano: leerlo, indexarlo, buscarlo

Alguien te reenvía un archivo llamado RE_ Invoice query.msg. Haces doble clic y tu equipo se ofrece a abrirlo en un editor de texto, que te devuelve una pantalla de basura binaria con unas pocas palabras legibles desperdigadas. No tienes Outlook. Solo quieres saber qué dice el correo.

Esa es la razón más corta para convertir un MSG de Outlook a texto online: es la forma más rápida de abrir un archivo .msg sin Outlook y leer de una vez lo que pone. La razón larga es que el texto plano es el formato que quieren todos los índices de búsqueda, todos los modelos de embeddings y todos los clasificadores, así que si estás trabajando con la exportación de un buzón y no con un mensaje suelto, aquí es donde empiezas. Gratis, sin registro, 50 MB por archivo, y no guardamos nada de nuestro lado.

Por qué no se abre el archivo

El .msg es el formato propio de Outlook para un mensaje individual, y no es texto. Es un archivo binario compuesto: un contenedor con un árbol de directorios interno donde el asunto, el cuerpo, cada destinatario y cada adjunto viven en flujos con nombre separados, etiquetados con identificadores de propiedad MAPI. Esa estructura es la razón por la que un editor de texto solo te enseña ruido: estás mirando los bytes en bruto de un pequeño sistema de archivos, no un correo.

La alternativa abierta es el .eml, definido por el RFC 5322, que sí es texto plano de verdad — cabeceras, línea en blanco, cuerpo MIME — y que cualquier editor te muestra. Thunderbird, Apple Mail y casi todas las exportaciones de webmail te dan eso. Outlook te da .msg, y es lo que obtienes cuando alguien arrastra un mensaje de su bandeja al escritorio o usa Archivo > Guardar como con el «Formato de mensaje de Outlook» seleccionado. El archivo no tiene nada malo. Simplemente te falta el único programa que lo lee de forma nativa, y convertirlo se salta ese problema por completo.

En qué es mejor el texto plano

Esto no es «Markdown al que le han quitado el formato». El texto es la salida correcta para un conjunto de tareas concreto y bastante amplio, y en la mayoría de ellas el marcado estructural es un estorbo y no una pérdida:

• Indexado de búsqueda. Elasticsearch, FTS de SQLite, el tsvector de Postgres: todos quieren texto en bruto en una columna. Dales Markdown y acabas de añadir una pasada de saneamiento, más un lematizador que ahora tiene que decidir qué hace con barras y asteriscos sueltos.
• Barridos por palabra clave y e-discovery. Convierte una carpeta de correspondencia y luego hazle grep buscando el nombre de un proveedor, un término contractual definido o una frase que no debería estar ahí. Sin conexión, instantáneo y revisable por cualquiera con una terminal.
• Embeddings. Trocear, generar embeddings, recuperar por similitud. Los caracteres de formato no significan nada pero siguen ocupando posiciones en el vector: diluyen. Los fragmentos de prosa limpia recuperan mejor.
• Clasificación y sentimiento. Enrutar el correo de soporte por tema, puntuar el enfado en las respuestas de clientes, etiquetar por temas la correspondencia de un trimestre. Los enfoques de bolsa de palabras y TF-IDF tratarán tan felices ### como un token a menos que lo quites, así que mejor no generarlo.
• Economía de tokens a escala. Procesando un correo, el marcado no cuesta nada digno de mención. Procesando cuatro mil, cada carácter redundante se multiplica por cuatro mil. El texto es el suelo.

Cuando lo que haces es leer un hilo en vez de procesar muchos — reconstruir quién aceptó qué y cuándo — las cabeceras etiquetadas y los niveles de cita visibles de MSG a Markdown compensan los caracteres de más. El selector de formato de arriba alterna entre los dos y conserva el archivo que ya hayas seleccionado.

Cómo despachar la exportación de un buzón

Nadie convierte un solo .msg para montar un corpus de búsqueda. La forma habitual de este trabajo son unos cuantos cientos de mensajes sacados de Outlook a una carpeta, y ahí es donde importa procesar por lotes: empaquétalos en un único archivo comprimido y usa ZIP a texto, y todos los archivos compatibles de dentro se convierten en una subida en lugar de varios cientos.

El correo suele ser personal o comercialmente sensible, así que revisa las normas de tu organización sobre el tratamiento de correspondencia antes de subir correo de trabajo. Los archivos se convierten y se devuelven, no se retienen.

La otra cosa que hay que prever es la duplicación, la mayor fuente de hinchazón en un corpus de correo. Las respuestas son acumulativas: el mensaje doce contiene citados dentro los mensajes uno a once. Convierte un hilo entero y el mensaje inicial aparece una docena de veces en tu salida. Súmale el bloque de firma — nombre, cargo, teléfono, dirección de la oficina — repetido en cada mensaje, más el aviso legal automático que muchas empresas grapan a cada respuesta saliente, y el relleno puede pesar más que el fondo.

Para búsqueda y embeddings esa repetición es activamente dañina, porque el mismo pasaje se indexa una docena de veces y distorsiona tus puntuaciones de recuperación. Dos arreglos que valen el esfuerzo: quédate solo con el mensaje más reciente de cada hilo cuando quieras el histórico, y escribe una regex que corte todo a partir de la primera cabecera de cita «De:» o de la línea que abre el aviso legal. El contador de tokens bajo la salida te dice cuánto has ahorrado.

Rarezas que verás en la salida

• Los cuerpos HTML se aplanan sin piedad. Casi todo el correo corporativo se envía como HTML. Negritas, listas de viñetas, tablas de estado con colores en los informes de proyecto: todo pasa a prosa sin estilos. Normalmente da igual. Si el significado de un mensaje vivía en una tabla, los números sobreviven pero las columnas a las que pertenecían no.
• Las marcas de cita son inconsistentes. Outlook escribe un bloque «De/Enviado/Para/Asunto» encima del texto citado. Gmail escribe «El [fecha], [nombre] escribió:». Los clientes antiguos usan prefijos >. Un hilo que ha pasado por varias organizaciones contendrá las tres convenciones, lo que importa si vas a escribir una regex para separar mensajes.
• Las marcas de tiempo son las del envío, no las de tu zona horaria. Ordena cronológicamente un conjunto convertido y comprueba los desfases antes de fiarte del orden entre regiones.
• Los adjuntos no se extraen. El .msg los contiene, pero la conversión te da el contenido del mensaje. Guarda el adjunto por separado y pásalo por PDF a texto o Word a texto si necesitas lo que hay dentro.
• Las capturas pegadas no salen. Las imágenes del cuerpo de un mensaje no se leen, así que un correo cuyo contenido entero era la foto de un cuadro de error se convierte en prácticamente nada. Guarda la imagen aparte y pásala por imagen a texto, que sí reconoce texto dentro de un archivo de imagen.

Problemas que resuelve

• Leer un mensaje que te han mandado. El caso más simple y el más frecuente. Necesitas las palabras, no tienes un cliente de correo que abra el formato, y en diez segundos has terminado.
• Montar un archivo buscable. Años de correspondencia de proyecto convertidos en una carpeta de archivos de texto a los que llegan grep, ripgrep o el índice de búsqueda del escritorio: sin PST que montar y sin cliente de correo de por medio.
• Trabajo de revisión y aportación de prueba. Barre un conjunto buscando términos definidos, genera una lista de coincidencias y entrega a los revisores algo que puedan leer sin licenciar Outlook para todo el equipo.
• RAG sobre correspondencia. Genera embeddings del historial de correo de un cliente para que un asistente de soporte sepa qué se le prometió ya, en vez de contradecir a un compañero de hace cuatro meses.
• Clasificar a escala. Pasa modelos de sentimiento o de temas sobre un trimestre de correo entrante para ver dónde se concentran las escaladas.
• Darle el contexto a un asistente. Cuando necesitas que un modelo sepa qué se acordó antes de redactar una respuesta, el hilo como texto es la forma más barata de dárselo.

Preguntas frecuentes

¿Cómo abro un archivo .msg sin Outlook?

Súbelo aquí. El contenedor MSG se analiza y el mensaje vuelve como texto plano legible — remitente, destinatarios, asunto, fecha y cuerpo — sin Outlook, sin complementos y sin instalar nada. Gratis, sin registro, 50 MB por archivo, sin almacenar nada de nuestro lado.

¿Por qué un archivo .msg parece basura binaria en un editor de texto?

Porque es un archivo binario compuesto, no un archivo de texto. Outlook guarda un mensaje como un contenedor con un árbol de directorios interno, donde el asunto, el cuerpo, cada destinatario y cada adjunto viven en flujos con nombre separados, etiquetados con identificadores de propiedad MAPI. Abrirlo como texto te enseña los bytes en bruto del contenedor con unas pocas palabras legibles esparcidas.

¿Extrae los adjuntos?

No: la salida es el mensaje en sí, cabeceras y cuerpo. Los adjuntos se quedan dentro del archivo. Si también necesitas el contenido de un documento adjunto, sácalo primero del mensaje y conviértelo en la página de su propio formato, o empaqueta varios mensajes en un ZIP y usa ZIP a texto.

¿Puedo convertir la exportación de un buzón entero?

No en una sola subida: aquí entra un .msg cada vez. Si tienes una carpeta llena, comprímela y convierte el archivo comprimido, que recorre todos los mensajes de una pasada. Esa es la vía habitual para trabajo de disclosure, reconstrucción de hilos o montar un índice buscable sobre la exportación de un buzón.

¿Es confidencial el contenido del correo?

El archivo se procesa y se descarta: no se almacena, ni se registra, ni se indexa, y no hay ninguna cuenta asociada. Dicho eso, si los mensajes son de verdad sensibles, la opción conservadora es el conversor de carpetas locales, que lee los archivos en el navegador sin paso de subida.

El resto de la caja de herramientas

MSG es uno de los formatos que maneja File2Txt, así que puedes lanzarle cualquier cosa desde una sola subida en lugar de elegir página. Vecinos que conviene conocer: HTML a texto para páginas web guardadas y marcado de newsletters, y CSV a texto para las exportaciones que suelen llegar adjuntas a los correos que ya estás convirtiendo. Para páginas en vivo, Web2Txt baja una URL directamente a texto, y en el lado del código hay un conversor de repositorios de GitHub a texto para emparejar un hilo con la implementación sobre la que se discutía. La guía para preparar documentos para LLM repasa el razonamiento general.

Repo2Txt está desarrollado y mantenido por v12hero, un desarrollador independiente que crea aplicaciones nativas y web centradas en la privacidad.