Was ist eine TXT-Datei? Reiner Text, Kodierung und UTF-8

TXT ist das schlichteste Dokumentformat, das ein Computer kennt: kein Fett, keine Schriften, kein Seitenlayout, nur Zeichen und Zeilenumbrüche. Diese Einfachheit macht es extrem portabel. Eine Textdatei von vor fünfzig Jahren lässt sich heute öffnen, und was Sie heute schreiben, wird sehr wahrscheinlich auch in Jahrzehnten noch lesbar sein. Doch „reiner Text“ ist nicht so simpel, wie er aussieht. Umlaute, die zu „ä“ oder „?“ werden, Zeilen, die zu einer einzigen verschmelzen, ein unsichtbares Zeichen am Dateianfang: All das geht auf ein verborgenes Detail in einer TXT-Datei zurück, ihre Zeichenkodierung. Dieser Artikel erklärt, wie TXT-Dateien funktionieren und wie Sie diese Probleme beheben.

Was ist eine TXT-Datei?

Eine Datei mit der Endung .txt enthält ausschließlich Textzeichen. Es gibt keinen Header, keine Metadaten und keine Formatierung; jedes Byte gehört zum Text selbst. Die entscheidende Frage lautet: Welches Byte steht für welches Zeichen? Diese Zuordnung heißt Zeichenkodierung, und eine TXT-Datei verrät in der Regel nicht, welche sie verwendet. Das Programm, das sie öffnet, muss raten.

Eine kurze Geschichte: von ASCII zu UTF-8

ASCII erschien erstmals 1963 als ASA X3.4-1963. Es nutzt 7 Bit und definiert 128 Zeichen: das englische Alphabet, Ziffern, Satzzeichen und Steuerzeichen wie den Zeilenvorschub. Buchstaben wie ä, ö, ü, ß, é oder ñ gehören nicht zu ASCII.

Um die Lücke zu füllen, entstanden Codepages, die die übrigen 128 Werte eines 8-Bit-Bytes verschiedenen Sprachen zuordnen: Windows-1252 und ISO-8859-1 für westeuropäische Sprachen, Windows-1254 und ISO-8859-9 für Türkisch und viele weitere. Das Problem: Dasselbe Byte bedeutet in verschiedenen Codepages verschiedene Buchstaben. Das Byte FD etwa ist in Windows-1252 „ý“, in Windows-1254 aber „ı“. Ein Programm, das die falsche Codepage annimmt, zeigt den Text falsch an.

Die dauerhafte Lösung war Unicode, das jedem Zeichen jeder Schrift eine eindeutige Nummer gibt. UTF-8 ist die am weitesten verbreitete Methode, diese Nummern in Bytes zu übersetzen. Nach der Erzählung von Rob Pike entwarf Ken Thompson UTF-8 eines Abends um September 1992 auf einem Platzdeckchen in einem Diner in New Jersey. Die aktuelle Definition ist RFC 3629 vom November 2003: UTF-8 kodiert jedes Zeichen von U+0000 bis U+10FFFF in 1 bis 4 Bytes und schreibt ASCII-Zeichen als dieselben einzelnen Bytes wie ASCII.

Wie dominant UTF-8 geworden ist, zeigt das Web: Laut W3Techs-Daten vom 15. Oktober 2026 verwenden 99,1 % der Websites mit bekannter Zeichenkodierung UTF-8, gefolgt von ISO-8859-1 mit 0,8 % und Windows-1252 mit 0,2 %.

Was steckt in einer TXT-Datei?

Zeichen und Bytes

Speichern Sie das Wort „café“ einmal als UTF-8 und einmal als Windows-1252, erhalten Sie unterschiedliche Bytes:

Text:           c   a   f   é
UTF-8:          63  61  66  C3 A9   (5 Bytes)
Windows-1252:   63  61  66  E9      (4 Bytes)

Ein Programm, das die UTF-8-Datei als Windows-1252 liest, zeigt C3 und A9 als zwei getrennte Zeichen an: „é“. Umgekehrt behandelt ein Programm, das die Windows-1252-Datei als UTF-8 liest, E9 als ungültig und zeigt stattdessen „�“. Fast jedes Problem mit kaputten Zeichen ist eines dieser beiden Szenarien.

Die BOM (Byte Order Mark)

Manche Programme setzen die Bytes EF BB BF an den Anfang einer UTF-8-Datei. Das ist die UTF-8-Form des Zeichens U+FEFF und dient als Signatur mit der Bedeutung „diese Datei ist UTF-8“. RFC 3629 hält fest, dass diese Signatur immer als diese drei Bytes erscheint. Laut Unicode-FAQ ist eine BOM in UTF-8 nicht erforderlich und dient nur als Signatur; in Protokollen, die am Dateianfang ASCII-Zeichen erwarten, sollte sie vermieden werden. In der Praxis hilft eine BOM manchen älteren Windows-Programmen und Excel, UTF-8 zu erkennen, kann aber Unix-Shellskripte und Konfigurationsdateien stören, die von bestimmter Software gelesen werden.

In UTF-16 ist die BOM noch wichtiger, weil sie die Bytereihenfolge angibt: FF FE bedeutet Little-Endian, FE FF Big-Endian UTF-16.

Zeilenenden

Auch das Zeichen, das ein Zeilenende markiert, hängt vom Betriebssystem ab:

Jahrelang verstand der Windows-Editor nur CRLF, sodass eine unter Linux geschriebene Datei als eine einzige lange Zeile erschien. Microsoft kündigte am 8. Mai 2018 die Unterstützung von LF und CR im Editor an, und die Änderung erreichte die Nutzer mit Windows 10 Version 1809.

Wo wird TXT eingesetzt?

• Notizen und Entwürfe: schnelle Notizen ohne Formatierung.
• Software: README-Dateien, Lizenztexte, Quellcode, Konfigurationsdateien und Logs.
• Datenaustausch: einfache Listen und Exporte zwischen Systemen.
• Langzeitspeicherung: Text, der unabhängig von jeder Anwendung archiviert werden muss.
• Barrierefreiheit und Verarbeitung: die sauberste Eingabe für Screenreader, Suchmaschinen und Textanalyse-Werkzeuge.

Stärken und Schwächen

Stärken: Jedes Gerät und jedes Betriebssystem öffnet TXT. Die Dateien sind winzig. Es gibt keine Abhängigkeit von Programmversionen und kaum Risiko einer Beschädigung. Versionsverwaltungen wie Git können Änderungen Zeile für Zeile anzeigen. TXT kann weder Makros noch eingebettete Objekte enthalten und ist daher sicher.

Schwächen: TXT kann keine Formatierung, Bilder, Tabellen oder Links aufnehmen. Weil die Kodierung nicht in der Datei steht, kann sie falsch erraten werden. Unterschiedliche Zeilenenden verursachen zwischen Systemen kleine, aber lästige Probleme. Wenn Sie Struktur wie Überschriften und Listen brauchen, ist Markdown die bessere Wahl.

Welche Programme öffnen TXT?

Der Editor unter Windows, TextEdit unter macOS sowie gedit und ähnliche Editoren unter Linux öffnen TXT, und Browser können Textdateien direkt anzeigen. Fortgeschrittene Editoren wie Visual Studio Code, Notepad++ und Sublime Text zeigen Kodierung und Zeilenendetyp in der Statusleiste an und lassen beides per Klick ändern. Damit sind sie die praktischsten Werkzeuge, um Kodierungsprobleme zu diagnostizieren.

Typische Probleme und Lösungen

Umlaute erscheinen als „ä“ oder „ü“

Die Datei wurde als UTF-8 gespeichert, das lesende Programm nimmt aber Windows-1252 an. Öffnen Sie sie in einem Editor, in dem Sie die Kodierung wählen können, erneut als UTF-8. Sieht eine CSV- oder Textdatei in Excel so aus, hilft meist das Speichern als UTF-8 mit BOM.

Zeichen werden durch „?“ oder „�“ ersetzt

Die Datei wurde in einer alten Codepage gespeichert, wird aber als UTF-8 gelesen. Öffnen Sie sie im Editor mit der richtigen Codepage und speichern Sie sie dann als UTF-8. Wurde der Text mit echten „?“-Zeichen gespeichert, sind die Originale verloren, und Sie müssen auf die Quelle zurückgreifen.

Der ganze Text steht in einer Zeile

Ein alter Editor versteht keine LF-Zeilenenden. Verwenden Sie einen aktuellen Windows-Editor oder einen fortgeschrittenen Editor, oder wandeln Sie die Zeilenenden in CRLF um.

Am Dateianfang steht ein unsichtbares Zeichen

Das ist meist die BOM. Scheitert ein Skript oder eine Konfigurationsdatei an der ersten Zeile, speichern Sie sie als „UTF-8 ohne BOM“.

Tipps zum Umwandeln von TXT-Dateien

Bei unserem Konverter werden TXT-Dateien auf unseren Server hochgeladen und innerhalb von 30 Minuten gelöscht. Die Kodierung wird automatisch erkannt: Zuerst wird die BOM geprüft (UTF-8, UTF-16 Little- und Big-Endian); ohne BOM wird geprüft, ob die Datei gültiges UTF-8 ist; ist sie das nicht, wird sie als Windows-1254 gelesen, die alte türkische Windows-Codepage. Deutsche Umlaute und ß liegen dort an denselben Stellen wie in Windows-1252. Dateien mit vielen NUL-Bytes gelten als Binärdatei statt als Text, und Sie erhalten die Meldung, dass es sich nicht um eine Textdatei handelt.

• Bei TXT in Word und TXT in PDF wird jede Zeile zu einem Absatz, und Leerzeilen bleiben erhalten. Einrückungen am Zeilenanfang (Code, Gedichte oder nummerierte Klauseln) werden in geschützte Leerzeichen umgewandelt, damit sie nicht verloren gehen, und führende Tabulatoren werden zu vier Leerzeichen.
• TXT in Markdown ist ein guter Ausgangspunkt, wenn Sie reinen Text später mit Überschriften und Listen anreichern möchten.
• In die andere Richtung entfernen PDF in TXT und Word in TXT die Formatierung und trennen Überschriften und Absätze durch Leerzeilen. Die von uns erzeugten TXT-Dateien werden als UTF-8 mit BOM gespeichert, damit Umlaute und Sonderzeichen in Programmen wie dem Editor und Excel korrekt angezeigt werden.

Häufig gestellte Fragen

In welcher Kodierung sollte ich eine TXT-Datei speichern?

Für neue Dateien in UTF-8. Es unterstützt jede Sprache und ist im Web nahezu universell geworden. Lassen Sie die BOM weg, wenn die Datei von Software gelesen wird, die UTF-8 ohne BOM erwartet; fügen Sie sie hinzu, wenn die Datei in Programmen wie Excel geöffnet wird.

Was ist der Unterschied zwischen UTF-8 und UTF-8 mit BOM?

Der Inhalt ist identisch; die Version mit BOM beginnt nur mit den Bytes EF BB BF. Diese Signatur hilft manchen Programmen, die Kodierung zu erkennen, kann in anderen aber als unsichtbares erstes Zeichen auftauchen.

Was ist der Unterschied zwischen TXT und RTF?

TXT enthält nur Zeichen. RTF transportiert Formatierungen wie Fett, Kursiv, Schriften und Tabellen über Steuerbefehle, die im Text eingebettet sind. Wenn Sie keine Formatierung brauchen, ist TXT einfacher und portabler.

Wie finde ich die Kodierung einer TXT-Datei heraus?

Editoren wie Visual Studio Code und Notepad++ zeigen die Kodierung in der Statusleiste an. Auch aktuelle Versionen des Windows-Editors zeigen Kodierung und Zeilenendetyp in der Statusleiste.

Kann eine TXT-Datei einen Virus enthalten?

Eine reine Textdatei enthält von sich aus keinen ausführbaren Code. Achten Sie auf doppelte Endungen wie „dokument.txt.exe“; wenn Sie in Windows die Dateiendungen einblenden, erkennen Sie diesen Trick.

Quellen

• IETF RFC 3629: UTF-8, a transformation format of ISO 10646 (November 2003)
• Unicode Consortium: UTF-8, UTF-16, UTF-32 and BOM FAQ
• Rob Pike: UTF-8 history
• W3Techs: Usage statistics of character encodings for websites
• Microsoft: Introducing extended line endings support in Notepad (8. Mai 2018)
• Wikipedia: ASCII (Sekundärquelle)