Klartext aus WordStar-Archiven extrahieren

Warum ein naiver Dump scheitert

Eine `.ws`-Datei in Notepad zu öffnen ist keine „Klartext-Extraktion.“ Bit 7 auf vielen Zeichen ist ein Umbruchflag. Erweiterte Glyphen kommen als `1Bh xx 1Ch`-Tripel. Ohne Entpacken belügt Sie grep.

Wofür sauberes TXT da ist

Triage: finden, welche Briefe eine Klausel, einen Namen oder ein Aktenzeichen erwähnen, bevor Sie DOCX/PDF-Budget für den ganzen Baum ausgeben. Skripte: UTF-8 in interne Extraktoren speisen. Suche: `.txt`-Geschwister neben Mastern für Windows Search oder ripgrep ablegen.

Ablauf

Zuerst das Archiv nach TXT stapeln, den heißen Satz identifizieren, dann diese Pfade nach DOCX oder PDF neu konvertieren. Ein nativer Parser, zwei Durchgänge — weiterhin offline.

Test __TRIAL_FILE_LIMIT__ Dateien. Standard __LICENSE_PRICE_DISPLAY__.

TXT vs. Markdown

TXT nutzen, wenn Struktur egal ist. Markdown nutzen, wenn Überschriften und Hervorhebung für Docs oder RAG überleben sollen. Kein Pfad lädt das Manuskript hoch.