¿Qué es un archivo TXT? Texto plano, codificación y UTF-8

TXT es el formato de documento más simple que tiene un ordenador: sin negrita, sin fuentes, sin maquetación, solo caracteres y saltos de línea. Esa sencillez lo hace extremadamente portátil. Hoy puedes abrir un archivo de texto escrito hace cincuenta años, y lo que escribas hoy muy probablemente se seguirá abriendo dentro de varias décadas. Pero el «texto plano» no es tan simple como parece. Letras con tilde que se convierten en «Ã©» o «?», líneas que se juntan en una sola, un carácter invisible al principio del archivo: todo eso viene de un detalle oculto dentro de un archivo TXT, su codificación de caracteres. En este artículo verás cómo funcionan los archivos TXT y cómo resolver estos problemas.

¿Qué es un archivo TXT?

Un archivo con la extensión .txt no contiene más que caracteres de texto. No hay cabecera, ni metadatos, ni formato; cada byte forma parte del propio texto. La pregunta clave es: ¿qué byte representa qué carácter? Esa correspondencia se llama codificación de caracteres, y un archivo TXT normalmente no indica cuál usa. El programa que lo abre tiene que adivinarlo.

Un poco de historia: de ASCII a UTF-8

ASCII se publicó por primera vez en 1963 como ASA X3.4-1963. Usa 7 bits y define 128 caracteres: el alfabeto inglés, los dígitos, los signos de puntuación y caracteres de control como el salto de línea. Letras como la é, la ñ, la ö o la ç no forman parte de ASCII.

Para cubrir ese hueco aparecieron las páginas de códigos, que asignan los 128 valores restantes de un byte de 8 bits a distintos idiomas: Windows-1252 e ISO-8859-1 para las lenguas de Europa occidental, Windows-1250 para las de Europa central, Windows-1254 e ISO-8859-9 para el turco, y muchas más. El problema es que el mismo byte significa letras distintas en páginas de códigos distintas. El byte F1, por ejemplo, es «ñ» en Windows-1252 pero «ń» en Windows-1250. Un programa que adivina mal la página de códigos muestra el texto de forma incorrecta.

La solución duradera fue Unicode, que asigna un único número a cada carácter de cada sistema de escritura. UTF-8 es la forma más extendida de convertir esos números en bytes. Según cuenta Rob Pike, Ken Thompson diseñó UTF-8 sobre un mantel individual en una cafetería de Nueva Jersey una noche de septiembre de 1992, aproximadamente. Su definición actual es la RFC 3629, de noviembre de 2003: UTF-8 codifica cada carácter de U+0000 a U+10FFFF en 1 a 4 bytes, y escribe los caracteres ASCII con los mismos bytes individuales que ASCII.

La web muestra hasta qué punto domina UTF-8: según los datos de W3Techs del 15 de octubre de 2026, el 99,1 % de los sitios web cuya codificación de caracteres se conoce usan UTF-8, seguido de ISO-8859-1 con un 0,8 % y Windows-1252 con un 0,2 %.

¿Qué hay dentro de un archivo TXT?

Caracteres y bytes

Guarda la palabra «café» como UTF-8 y como Windows-1252 y obtendrás bytes distintos:

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

Un programa que lee el archivo UTF-8 como Windows-1252 muestra C3 y A9 como dos caracteres separados, «Ã©». Al revés, un programa que lee el archivo Windows-1252 como UTF-8 considera E9 no válido y muestra «�» en su lugar. Casi todos los problemas de caracteres estropeados son uno de estos dos casos.

El BOM (marca de orden de bytes)

Algunos programas ponen los bytes EF BB BF al principio de un archivo UTF-8. Es la forma UTF-8 del carácter U+FEFF, que se usa como firma con el significado «este archivo es UTF-8». La RFC 3629 señala que esta firma siempre aparece como esos tres bytes. Según las preguntas frecuentes de Unicode, el BOM no es obligatorio en UTF-8 y solo sirve como firma, y debe evitarse en protocolos que esperan caracteres ASCII al principio del archivo. En la práctica, el BOM ayuda a algunos programas antiguos de Windows y a Excel a reconocer UTF-8, pero puede romper scripts de shell de Unix y archivos de configuración que leen ciertos programas.

En UTF-16 el BOM importa todavía más, porque indica al lector el orden de los bytes: FF FE significa UTF-16 little-endian y FE FF, UTF-16 big-endian.

Finales de línea

El carácter que marca el final de una línea también depende del sistema operativo:

Durante muchos años el Bloc de notas de Windows solo entendía CRLF, así que un archivo escrito en Linux aparecía como una única línea larga. Microsoft anunció la compatibilidad del Bloc de notas con LF y CR el 8 de mayo de 2018, y el cambio llegó a los usuarios con la versión 1809 de Windows 10.

¿Dónde se usa TXT?

• Notas y borradores: apuntes rápidos que no necesitan formato.
• Software: archivos README, textos de licencia, código fuente, archivos de configuración y registros.
• Intercambio de datos: listas sencillas y exportaciones que pasan de un sistema a otro.
• Conservación a largo plazo: texto que debe archivarse sin depender de ninguna aplicación.
• Accesibilidad y procesamiento: la entrada más limpia para lectores de pantalla, buscadores y herramientas de análisis de texto.

Ventajas y desventajas

Ventajas: lo abre cualquier dispositivo y sistema operativo. Los archivos son diminutos. No depende de versiones de programas y el riesgo de corrupción es mínimo. Los sistemas de control de versiones como Git pueden mostrar los cambios línea a línea. No puede llevar macros ni objetos incrustados, lo que lo hace seguro.

Desventajas: no admite formato, imágenes, tablas ni enlaces. Como la codificación no se registra en el archivo, se puede adivinar mal. Las diferencias en los finales de línea causan pequeños pero molestos problemas entre sistemas. Si necesitas estructura, como títulos y listas, Markdown es mejor opción.

¿Qué programas abren TXT?

El Bloc de notas en Windows, TextEdit en macOS y gedit y editores similares en Linux abren TXT, y los navegadores pueden mostrar archivos de texto directamente. Los editores avanzados como Visual Studio Code, Notepad++ y Sublime Text muestran la codificación y el tipo de final de línea en la barra de estado y permiten cambiar ambos con un clic, lo que los convierte en las herramientas más prácticas para diagnosticar problemas de codificación.

Problemas habituales y cómo resolverlos

Las letras con tilde aparecen como «Ã©» o «Ã±»

El archivo se guardó como UTF-8, pero el programa que lo lee supone que es Windows-1252. Vuelve a abrirlo como UTF-8 en un editor que permita elegir la codificación. Si un CSV o un archivo de texto se ve así en Excel, guardarlo como UTF-8 con BOM suele resolverlo.

Los caracteres se sustituyen por «?» o «�»

El archivo se guardó en una página de códigos antigua, pero se está leyendo como UTF-8. Ábrelo en tu editor con la página de códigos correcta seleccionada y guárdalo como UTF-8. Si el texto se guardó con caracteres «?» literales, los originales se han perdido y tendrás que volver a la fuente.

Todo el texto aparece en una sola línea

Un editor antiguo no entiende los finales de línea LF. Usa un Bloc de notas actualizado o un editor avanzado, o convierte los finales de línea a CRLF.

Hay un carácter invisible al principio del archivo

Suele ser el BOM. Si un script o un archivo de configuración falla en su primera línea, guárdalo como «UTF-8 sin BOM».

Consejos para convertir archivos TXT

En nuestro conversor, los archivos TXT se suben a nuestro servidor y se eliminan en un plazo de 30 minutos. La codificación se detecta automáticamente: primero se comprueba el BOM (UTF-8, UTF-16 little-endian y big-endian); sin BOM, se comprueba si el archivo es UTF-8 válido; si no lo es, se lee como Windows-1254, la antigua página de códigos turca de Windows (las letras del español, como á, ñ o ü, ocupan en ella las mismas posiciones que en Windows-1252). Los archivos con muchos bytes NUL se tratan como binarios y no como texto, y recibes un mensaje de «esto no es un archivo de texto».

• Con TXT a Word y TXT a PDF, cada línea se convierte en un párrafo y se conservan las líneas en blanco. La sangría inicial (código, poesía o cláusulas numeradas) se convierte en espacios de no separación para que no se pierda, y las tabulaciones iniciales pasan a ser cuatro espacios.
• TXT a Markdown es un buen punto de partida si más adelante quieres enriquecer el texto plano con títulos y listas.
• En sentido contrario, PDF a TXT y Word a TXT descartan el formato y separan títulos y párrafos con líneas en blanco. Los archivos TXT que generamos se guardan como UTF-8 con BOM para que las letras con tilde se vean bien en programas como el Bloc de notas y Excel.

Preguntas frecuentes

¿En qué codificación debo guardar un archivo TXT?

En UTF-8 para los archivos nuevos. Admite todos los idiomas y se ha vuelto casi universal en la web. Omite el BOM si el archivo lo va a leer un programa que espera UTF-8 sin él; añádelo si el archivo se va a abrir en programas como Excel.

¿Qué diferencia hay entre UTF-8 y UTF-8 con BOM?

El contenido es idéntico; la versión con BOM simplemente empieza con los bytes EF BB BF. Esa firma ayuda a algunos programas a detectar la codificación, pero en otros puede aparecer como un primer carácter invisible.

¿Qué diferencia hay entre TXT y RTF?

TXT solo contiene caracteres. RTF lleva formato como la negrita, la cursiva, las fuentes y las tablas mediante comandos de control insertados en el texto. Si no necesitas formato, TXT es más sencillo y más portátil.

¿Cómo sé qué codificación tiene un archivo TXT?

Editores como Visual Studio Code y Notepad++ muestran la codificación en la barra de estado. Las versiones actuales del Bloc de notas también muestran la codificación y el tipo de final de línea en la barra de estado.

¿Un archivo TXT puede contener un virus?

Un archivo de texto plano no contiene código ejecutable por sí mismo. Ten cuidado con las extensiones dobles como «documento.txt.exe»; mostrar las extensiones de archivo en Windows te ayuda a detectar ese truco.

Fuentes

• IETF RFC 3629: UTF-8, a transformation format of ISO 10646 (noviembre de 2003)
• Unicode Consortium: preguntas frecuentes sobre UTF-8, UTF-16, UTF-32 y BOM
• Rob Pike: historia de UTF-8
• W3Techs: estadísticas de uso de codificaciones de caracteres en sitios web
• Microsoft: Introducing extended line endings support in Notepad (8 de mayo de 2018)
• Wikipedia: ASCII (fuente secundaria)