Cómo se extrae el texto de un EPUB
Selecciona el libro EPUB. El navegador comprueba las cabeceras ZIP, los tamaños descomprimidos y las sumas CRC32. Después consulta el manifiesto y sigue el orden de lectura (spine) para reunir el texto de los capítulos. Elimina las etiquetas HTML, los scripts y los estilos, y genera un TXT que puedes abrir en un editor de texto.
Qué información no se conserva
El formato TXT no mantiene tipografías, distribución de páginas, imágenes, tablas, enlaces de notas ni elementos interactivos. Los capítulos quedan separados mediante una línea divisoria. La herramienta no realiza OCR sobre imágenes ni elimina DRM. Si el libro está formado por páginas escaneadas, es posible que apenas contenga texto extraíble.
EPUB dañados y límites de seguridad
Se rechazan entradas con CRC32 incorrecto, cabeceras ZIP contradictorias, nombres duplicados, capítulos ausentes, UTF-8 inválido, rutas inseguras y cifrado no compatible. Límites: 40 MB por archivo, 5.000 entradas, 24 MB de expansión total declarada, 8 MB por entrada y 500 documentos en el orden de lectura. La comprobación estructural no garantiza compatibilidad con todas las funciones de EPUB.
Herramientas relacionadas
Si ya tienes varios TXT, puedes unir archivos de texto o dividir un TXT. Para documentos PDF con texto seleccionable, utiliza extraer texto de PDF.