Convertir TXT a ASCII

Una aplicación heredada, un dispositivo serie, una rutina de importación o una regla de control de versiones puede rechazar UTF-8 y aceptar únicamente ASCII de 7 bits. La conversión cambia la codificación de caracteres y puede requerir reemplazar caracteres que ASCII no puede representar.

Qué contienen los archivos TXT

TXT es una extensión de nombre de archivo para texto sin formato, no una codificación de caracteres fija. Los editores de texto, los exportadores de registros, los desarrolladores y los usuarios de oficina crean archivos .txt en UTF-8, UTF-16, Windows-1252 y otras codificaciones.

Por lo tanto, un archivo llamado notes.txt no es automáticamente ASCII. UTF-8 es el valor predeterminado actual habitual porque admite letras acentuadas, puntuación tipográfica, escrituras no latinas y emoji.

Qué significa ASCII

ASCII es un conjunto de caracteres de 7 bits con 128 valores, representados por los bytes 0x00 a 0x7F. Admite letras inglesas, dígitos, puntuación básica, tabulaciones y caracteres de control como retorno de carro y salto de línea.

ASCII no puede representar caracteres como é, —, £, comillas curvas, cirílico, caracteres chinos o emoji. Sus ventajas son los caracteres predecibles de un byte y la compatibilidad con sistemas que requieren explícitamente entradas de 7 bits.

ASCII es una codificación, no un formato de archivo de texto distinto. Un receptor puede requerir un nombre de archivo .asc, .ascii o .txt, pero cambiar únicamente la extensión no cambia los bytes del archivo.

Convertir con comprobación estricta de errores

Identifique la codificación de origen a partir del programa que creó el archivo siempre que sea posible. En macOS o Linux, file -bi input.txt puede proporcionar una indicación útil, pero su resultado no es definitivo.

En macOS o Linux, use iconv para detenerse cuando la entrada contenga un carácter no representable:

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

Reemplace UTF-8 por la codificación de entrada real cuando sea necesario, por ejemplo WINDOWS-1252, UTF-16LE o UTF-16BE. Un comando fallido puede dejar un archivo de salida parcial; compruebe su estado de salida y elimine la salida si se produce un error.

Python proporciona la misma conversión estricta en Windows, macOS y 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 acepta UTF-8 con o sin una marca de orden de bytes UTF-8 y genera un error en lugar de cambiar silenciosamente los caracteres no compatibles. Cambie utf-8-sig únicamente después de confirmar que el origen usa otra codificación.

Use Visual Studio Code u otro editor para inspeccionar y editar el origen; después, ejecute la conversión localmente desde su terminal integrada. Visual Studio Code también puede usar View → Command Palette → Change File Encoding → Save with Encoding y una opción ASCII cuando esté disponible, pero los editores pueden sustituir los caracteres no compatibles en lugar de generar un error; use un comando estricto para identificadores, registros y otros datos exactos.

Elegir las sustituciones deliberadamente

Si el texto modificado es aceptable, GNU iconv puede intentar la transliteración:

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

La transliteración puede convertir é en e y las comillas tipográficas en comillas rectas. Los resultados varían según el sistema operativo y la biblioteca, y los caracteres sin un sustituto adecuado aún pueden omitirse o provocar un error. Para datos controlados, reemplace los caracteres explícitamente antes de la conversión y revise cada cambio.

No use la configuración Save As → ANSI de Windows Notepad como una conversión a ASCII. “ANSI” normalmente significa la página de códigos activa de Windows, como Windows-1252, que permite bytes superiores a 0x7F.

Comprobar la compatibilidad del destino

Confirme que el sistema receptor realmente requiere ASCII de 7 bits, en lugar de Windows-1252, “ANSI” o una página de códigos ASCII extendida no especificada. ASCII extendido no es un estándar único; el mismo byte puede representar caracteres diferentes en distintas páginas de códigos.

Compruebe que la salida no contenga cambios en la puntuación, símbolos eliminados, modificaciones en el ancho de los campos ni finales de línea incorrectos. El texto ASCII normalmente usa LF en sistemas similares a Unix y CRLF en muchas importaciones orientadas a Windows; la conversión de codificación no necesariamente los cambia. La salida ASCII estricta no debe incluir una marca de orden de bytes UTF-8.

La mayoría de los convertidores de TXT basados en carga no indican claramente la codificación de salida ni la política de sustitución. Para archivos confidenciales o importaciones estrictas, use herramientas locales; utilice un servicio en línea únicamente cuando ofrezca explícitamente salida US-ASCII, documente cómo gestiona los caracteres no compatibles y su política de privacidad permita la carga.