免费在线将 ZIP 转换为 文字

免费在线将 ZIP 文件转换为 文字。上传后立即获得干净、适合 LLM 使用的结果。无需注册，单个文件最大 50 MB，不会存储文件。

ZIP 转文本：把一个归档变成一份可搜索的语料库

这个工具是为一个非常具体的时刻造的。你手上有一个归档——一次导出、一份备份、别人发来的一个 打包——里面塞着五六种格式的文档，而你真正需要的不是去读它们。你需要同时搜遍所有文件。数某个 术语出现了多少次。把整批喂给 embedding 模型。从八十个文件里找出提到某一条款的那三个。

上传 ZIP，拿回一整块扁平的纯文本，里面装着归档中所有可读的内容。没有标题，没有竖线表格， 没有语法字符——只有能 grep、能索引、能切块、能粘贴的散文。免费、不用账号、归档上限 50 MB， 拿到输出之后什么都不留。

一个归档进，一份语料出

归档会被解包，内部的目录树被完整遍历，每个扩展名受支持的文件都按它单独上传时的同一套逻辑 转换，最后全部拼接成连续的文本返回。归档内的文件夹路径会被带过来，所以你仍然分得清某段内容 来自 exports/2023/ 而不是 drafts/——但输出本身是扁平、均质、机器 好处理的。

效率账不用多算。四十份文档逐个转换是四十次上传、四十次复制粘贴。作为一次批量文件转 文本，它只是一次。而且所有东西都落在同一份输出里，事后不用再拼装——不用担心第 23 个文件贴了两遍、第 24 个漏了。

批量作业里，扁平文本为什么赢过 Markdown

Markdown 的价值在于有人要读输出，或者文档结构本身携带信息。对一整个归档一次性能做的大多数 事情来说，这两条都不成立，标记就成了纯开销：

  • embedding 与 RAG 流水线。切块器处理的是散文。竖线表格和标题记号会被切块 边界劈开，稀释每个向量里的语义信号，还占用本该留给真正内容的预算。多数摄取代码的第一步 反正就是剥 Markdown——不如一开始就没有。
  • 搜索索引。不管你喂的是什么系统，分词器要的都是干净的词。语法字符只是 分析器还得丢弃的噪音。
  • 关键词与词频分析。词频、共现、TF-IDF、简单的正则扫描——对着不加修饰的 文本全都更干净，也不会有表格分隔符被当成 token 的风险。
  • 去重与比对。比较两次归档转换的结果、看看改了什么，在格式无法制造虚假 差异的时候容易得多。
  • token 效率。横跨几十份文档，结构标记累积起来会吃掉上下文窗口实实在在的 一块。扔掉它，就给更多原始材料腾出了地方。

反过来的时候就切到 ZIP 转 Markdown—— 当你需要文档之间的清晰边界、当表格和条款编号很重要、或者你自己要读结果的时候。顶部的格式 切换按钮会带着你已选好的归档一起切过去，一次上传两种输出，看哪种合适。

上传之前先弄清归档里有什么

支持的格式不管在树里哪个角落都会被转换：PDF、Word、PowerPoint、Excel、HTML、CSV、JSON、 XML、EPUB、RTF、MSG 和图片。混合格式的归档才是常态。想知道某种类型压平后的具体表现，见 PDF 转文本、 Word 转文本、 CSV 转文本，Outlook 邮件则见 MSG 转文本。

会被跳过的：视频、音频、二进制、字体，以及支持列表之外的一切。还有两种情况值得在被输出 吓到之前先知道。

  • 归档内的图片不会被识别。图片文件单独上传时，里面的文字会被识别并返回。 打进 ZIP 里就不会——批量流程只记下这个文件存在，然后继续往前走。所以一包截图或扫描页 处理起来不报错，给你的却是文件名而不是图里的字。字才是重点的话，把图片抽出来，一张张走 图片转文字。
  • 扫描版 PDF 同病相怜。本质是纸张照片的 PDF 里没有可提取的内嵌文本。检验 办法：在阅读器里试着选中一句话——选不中，就先做文字识别再打包。
  • 嵌套归档。ZIP 里还装着 ZIP 的话，值得在上传前手动先解开一层。

扁平语料在哪些地方物有所值

  • 大批量文档审阅。一份披露材料包或数据室导出，第一个问题是"这堆文件里 到底哪几个提到了我关心的东西"——而不是"把这份文档读给我听"。
  • 搭建知识库。公司手册、制度和流程文档，一趟转完，作为标准答案喂进检索 系统，让助手照着它回答。
  • 客服与工单导出。几个月的对话压成文本，可以跑主题分析，也可以让模型 聚出反复出现的投诉。
  • 研究语料。一个文件夹的论文、报告和数据集，变成一整块文本做跨文档分析， 而不是一篇篇看。
  • 迁移与内容盘点。把文档集搬去新平台之前，先转整个归档，搜一搜失效引用、 过时的产品名或重复的页面。
  • 工作区导出。Slack、Notion 和 Takeout 的下载结构混乱、嵌套成灾。压平 它们，它们才变得可下手。

大小、顺序与合理的分批

50 MB 上限针对的是上传的归档，不是里面的单个文件。以文字为主的文档压缩率高，能装很多；媒体 文件压不动，会白白吃光整个额度。打包之前把视频和大图剔出去。

如果打算分块处理语料，就按文件夹拆开、每块单独打包——一个客户一个归档、一个季度一个、一个 项目一个。这既让每份输出保持在真能粘贴的大小，也让相关材料待在一起。输出下方的 token 计数器 是掌舵的数字：它立刻告诉你一批内容装不装得进模型的上下文窗口、要不要再拆，而不用等吃了亏 才知道。

要是归档里装的是源代码项目而不是文档，请改用 本地目录转换器。它给你一棵 带复选框的目录树，转换前就能剔除依赖、构建产物和锁文件——归档上传给不了这种控制。已经托管 在线上的代码更简单： GitHub 转文本转换器直接从网址干活。

常见问题

怎么把 ZIP 文件转成文本？

把归档传到上方。它会被解包，内部目录树被遍历，每个扩展名受支持的文件被转换并拼接成一整块扁平的纯文本。免费、免注册、单个归档 50 MB，什么都不存。归档内的文件夹路径会保留下来，每部分内容来自哪里一目了然。

归档里哪些文件类型会被转换？

和本站单独上传支持的十三种相同——PDF、Word、PowerPoint、Excel、HTML、CSV、JSON、XML、图片、EPUB、RTF、Outlook 邮件，以及嵌套归档。ZIP 里的其他东西会被跳过而不是当成二进制噪音倒出来，所以文档、视频和可执行文件混装的包照样能产出干净的输出。

带密码保护的归档能用吗？

不能。加密的 ZIP 在用密码解密之前没有任何可读条目，而这里也没有输密码的地方。先在本地用密码解压，再不加密地重新打包；或者干脆把本地文件夹转换器指向解压出的目录。

我的归档超过 50 MB 怎么办？

按文件夹拆开分批转换，或者干脆绕开归档：在本机解压，用本地文件夹转换器——它没有上传步骤，遍历整棵树，还能精确勾选要包含哪些文件。对大型文档转储来说，那本来就是更好的路线。

打包好的代码仓库适合用这个工具吗？

不太适合。源代码有专门的工具：GitHub 转换器和本地文件夹工具就是为这活儿造的——它们展示目录树，让你取消勾选 node_modules 和锁文件，边选边统计 token。本页面向的是文档归档，那里没有需要修剪的树。

工具箱的其余部分

不想挑页面的话， File2Txt 在一个页面上 接所有支持的格式。想把这一切背后的道理一次看完，还有一篇更长的 为 LLM 准备文件的指南。

Repo2Txt 由 v12hero 开发和维护，那是一位独立开发者，专做隐私优先的原生应用和 Web 应用。