Converter TXT para ASCII

Um aplicativo legado, dispositivo serial, rotina de importação ou regra de controle de versão pode rejeitar UTF-8 e aceitar somente ASCII de 7 bits. A conversão altera a codificação de caracteres e pode exigir a substituição de caracteres que ASCII não consegue representar.

O que os arquivos TXT contêm

TXT é uma extensão de nome de arquivo para texto sem formatação, não uma codificação de caracteres fixa. Editores de texto, exportadores de logs, desenvolvedores e usuários de aplicativos de escritório criam arquivos .txt em UTF-8, UTF-16, Windows-1252 e outras codificações.

Portanto, um arquivo chamado notes.txt não é automaticamente ASCII. UTF-8 é o padrão atual mais comum porque oferece suporte a letras acentuadas, pontuação tipográfica, scripts não latinos e emoji.

O que ASCII significa

ASCII é um conjunto de caracteres de 7 bits com 128 valores, representados pelos bytes 0x00 até 0x7F. Ele oferece suporte a letras do inglês, dígitos, pontuação básica, tabulações e caracteres de controle, como retorno de carro e avanço de linha.

ASCII não consegue representar caracteres como é, —, £, aspas curvas, caracteres cirílicos, caracteres chineses ou emoji. Suas vantagens são caracteres previsíveis de um byte e compatibilidade com sistemas que exigem explicitamente entrada de 7 bits.

ASCII é uma codificação, não um formato distinto de arquivo de texto. Um receptor pode exigir um nome de arquivo .asc, .ascii ou .txt, mas alterar apenas a extensão não altera os bytes do arquivo.

Converta com verificação rigorosa de erros

Identifique a codificação de origem a partir do programa que criou o arquivo sempre que possível. No macOS ou Linux, file -bi input.txt pode fornecer uma indicação útil, mas o resultado não é definitivo.

No macOS ou Linux, use iconv para interromper quando a entrada contiver um caractere não representável:

iconv -f UTF-8 -t ASCII input.txt -o output.txt

Substitua UTF-8 pela codificação de entrada real quando necessário, por exemplo WINDOWS-1252, UTF-16LE ou UTF-16BE. Um comando que falha pode deixar um arquivo de saída parcial; verifique seu status de saída e descarte a saída em caso de falha.

Python oferece a mesma conversão rigorosa no Windows, macOS e Linux:

python -c "from pathlib import Path; s=Path('input.txt').read_bytes().decode('utf-8-sig'); Path('output.txt').write_bytes(s.encode('ascii'))"

Este comando aceita UTF-8 com ou sem uma marca de ordem de bytes UTF-8 e gera um erro em vez de alterar silenciosamente caracteres não compatíveis. Altere utf-8-sig somente depois de confirmar que a origem usa outra codificação.

Use o Visual Studio Code ou outro editor para inspecionar e editar a origem e, em seguida, execute a conversão localmente pelo terminal integrado. O Visual Studio Code também pode usar View → Command Palette → Change File Encoding → Save with Encoding e uma opção ASCII quando disponível, mas os editores podem substituir caracteres não compatíveis em vez de falhar; use um comando rigoroso para identificadores, registros e outros dados exatos.

Escolha as substituições deliberadamente

Se o texto alterado for aceitável, o GNU iconv poderá tentar a transliteração:

iconv -f UTF-8 -t ASCII//TRANSLIT input.txt -o output.txt

A transliteração pode converter é em e e aspas tipográficas em aspas retas. Os resultados variam conforme o sistema operacional e a biblioteca, e caracteres sem um substituto adequado ainda podem ser omitidos ou causar um erro. Para dados controlados, substitua os caracteres explicitamente antes da conversão e revise cada alteração.

Não use a configuração Save As → ANSI do Bloco de Notas do Windows como uma conversão para ASCII. “ANSI” geralmente significa a página de códigos ativa do Windows, como Windows-1252, que permite bytes acima de 0x7F.

Verifique a compatibilidade do destino

Confirme se o sistema receptor realmente exige ASCII de 7 bits, em vez de Windows-1252, “ANSI” ou uma página de códigos ASCII estendida não especificada. ASCII estendido não é um padrão único; o mesmo byte pode significar caracteres diferentes em páginas de códigos diferentes.

Verifique se há pontuação alterada, símbolos removidos, alterações na largura dos campos e finais de linha exigidos na saída. O texto ASCII normalmente usa LF em sistemas semelhantes ao Unix e CRLF em muitas importações voltadas para Windows; a conversão da codificação não necessariamente os altera. A saída ASCII rigorosa não deve incluir uma marca de ordem de bytes UTF-8.

A maioria dos conversores de TXT baseados em upload não informa claramente sua codificação de saída ou política de substituição. Para arquivos confidenciais ou importações rigorosas, use ferramentas locais; use um serviço online somente quando ele oferecer explicitamente saída US-ASCII, documentar como trata caracteres não compatíveis e sua política de privacidade permitir o upload.