TXT 파일 형식
ASCII, GBK부터 UTF-8까지, 순수 텍스트는 어떻게 문자를 저장할까요? 이 글에서 인코딩과 줄바꿈의 작동 원리를 명확히 설명하고, 브라우저에서 바로 쓸 수 있는 검사·변환 도구도 함께 소개합니다.
TXT 파일은 정식 명칭이 Text File로, 가장 기본적이고 가장 범용적인 순수 텍스트 파일 형식입니다. 사람이 읽을 수 있는 문자만 담고 있으며, 복잡한 조판이나 글꼴 스타일, 색상, 내장 이미지 같은 멀티미디어 요소는 포함하지 않습니다. 구조가 극도로 단순하기 때문에 파일 크기가 작고 호환성이 매우 뛰어나며 여는 속도도 빠릅니다. 거의 모든 운영체제와 기기에서 손쉽게 만들고 읽을 수 있어 데이터 교환과 텍스트 기록에 이상적입니다.
TXT 파일 인코딩 형식
모든 TXT 파일은 반드시 어떤 인코딩 규칙에 의존합니다. 인코딩 형식은 컴퓨터가 파일의 바이트 데이터를 사람이 읽을 수 있는 문자로 변환하는 방식을 결정합니다.
흔한 TXT 파일 인코딩 형식으로는 주로 ASCII, GBK/GB2312, Unicode, UTF-8, UTF-16 등이 있습니다.
흔한 TXT 파일 인코딩 형식
모든 TXT 파일은 하나의 인코딩에 의존합니다. 아래는 가장 흔한 몇 가지로, 표현할 수 있는 문자 수와 바이트를 구성하는 방식이 각각 다릅니다.
ASCII
ASCII는 가장 기본적인 인코딩 형식으로, 7비트 이진수로 128개 문자만 표현합니다. 영문자, 숫자, 문장 부호, 제어 문자가 포함되지만 순수한 영문 내용만 표현할 수 있습니다. TXT 파일 안에 중국어나 일본어 등 다른 언어의 내용이 들어 있다면, 그 TXT 파일은 절대 ASCII 형식이 아닙니다.
GB2312 / GBK
GB2312/GBK는 중국 국가 표준 인코딩입니다. GB2312에는 6763자의 한자가 수록되어 있고, GBK는 GB2312의 확장판으로 21886자의 한자를 담고 있으며 GB2312와 호환됩니다. 중국어와 소수의 다른 언어만 지원하지만, 지금도 상당수의 TXT 파일이 GB2312/GBK 인코딩을 사용하고 있습니다.
Unicode
Unicode는 유니코드 컨소시엄이 제정한 문자 인코딩 국제 표준으로, 통일 코드 또는 만국 코드라고도 합니다. Unicode는 각 문자에 고유한 코드 포인트를 부여하며, 어떤 언어나 플랫폼에서도 이 번호는 변하지 않습니다. 덕분에 언어마다 인코딩이 달라 생기던 호환성 문제가 완전히 해결되었고, 언어와 플랫폼을 넘나드는 텍스트 처리가 가능해졌습니다. 다만 Unicode 자체는 각 문자의 번호를 정한 문자 집합일 뿐이고, UTF-8, UTF-16 등이 실제 인코딩 구현 방식입니다.
UTF-8
UTF-8은 Unicode에서 가장 널리 쓰이는 구현 방식입니다. ASCII와 완벽하게 호환되며, 현재 인터넷에서 가장 보편적인 인코딩 형식입니다. 대부분의 TXT 파일이 UTF-8 형식입니다.
UTF-16
UTF-16은 또 다른 흔한 구현 방식으로, Windows 시스템 내부와 Java 프로그래밍 언어에서 널리 사용됩니다. 파일 앞부분에는 보통 바이트 순서를 나타내는 BOM(바이트 순서 표시)이 붙습니다.
TXT 파일이 과연 어떤 형식인지 판별하기는 상당히 어렵습니다
TXT 파일 자체에는 ‘내가 어떤 인코딩을 썼는가’를 알려 주는 메타데이터 태그가 없습니다. 하지만 그 내용은 반드시 어떤 인코딩 규칙에 따라 생성된 것이며, 그렇지 않으면 애초에 제대로 쓰고 읽을 수가 없습니다. 또한 파일을 열 때 소프트웨어가 사용하는 디코딩 형식이 저장할 때의 인코딩과 일치해야 하며, 그렇지 않으면 글자가 깨집니다. 예를 들어 UTF-8로 저장한 파일을 기본값이 GBK인 메모장에서 열면 이상하게 표시됩니다.
TXT 파일이 어떤 인코딩인지 판별하는 절대적으로 옳은 방법은 아직 없습니다. 여러 방식으로 인코딩을 「추측」할 수 있지만, 어떤 방법도 그 결과가 절대적으로 정확하다고 보장하지 못한다는 점을 유의해야 합니다. 예를 들어 통계 원리로 대상 텍스트를 계산해 가장 가능성 높은 인코딩을 판정할 수 있지만 100% 정확하지는 않습니다. 또 다른 예로, 제 텍스트 파일에 간단한 영문자만 들어 있는데 이 파일을 UTF-8로 저장했다면, UTF-8은 ASCII와 호환되므로 그 파일이 ASCII 인코딩인지 UTF-8 인코딩인지 판별할 수 없습니다.
TXT 인코딩 검사 도구
TXT 파일을 여기로 끌어다 놓으면 해당 TXT 파일의 인코딩 형식을 판별할 수 있습니다
파일은 현재 브라우저에서만 처리되며 서버로 업로드되지 않습니다. 검사 결과는 휴리스틱 판단이므로 중요한 파일은 먼저 백업해 두세요.
현재 UTF-8 등 Unicode 인코딩이 점차 주류가 되고 있습니다
ASCII와 GBK는 비교적 일찍 등장한 인코딩 표준으로, 서서히 역사 속으로 사라지고 있습니다. ASCII는 128개의 기본 문자만 담고 있어 활용도가 턱없이 부족하고, GBK는 ASCII를 확장하면서 주로 한자 코드를 추가했을 뿐 Emoji 같은 현대 기호는 지원하지 않습니다. 예를 들어 공백만 봐도 Unicode는 일반 공백, 줄 바꿈 없는 공백, 전각 공백 등 여러 종류를 지원해 다양한 조판 요구를 충족하지만, ASCII/GBK는 가장 기본적인 공백 한 종류만 지원합니다.
공백도 한 종류가 아닙니다. Unicode에는 일반 공백, 줄 바꿈 없는 공백(non-breaking space), 전각 공백 등이 있고 각각 다른 조판 요구에 대응합니다. 웹페이지에서 내용을 복사하면 이런 보이지 않는 변형들이 TXT에 함께 딸려 들어오기 쉬운데, 위 도구로 흔한 몇 가지를 통일할 수 있습니다.
공백과 캐리지 리턴은 ASCII, GBK, UTF-8 세 가지 인코딩에서 표현 방식이 완전히 같습니다
GBK와 UTF-8은 설계 당시 모두 ‘ASCII와 완전히 호환된다’는 중요한 원칙을 따랐습니다. 즉 ASCII에 정의된 모든 문자(공백, 캐리지 리턴, 줄 바꿈 등 제어 문자 포함)는 GBK와 UTF-8에서도 인코딩 값이 그대로 유지됩니다.
CRLF— Windows(0x0D + 0x0A)LF— Linux / macOS(0x0A)CR— Classic Mac(0x0D)
하지만 운영체제마다 줄바꿈을 나타내는 방식이 다릅니다. Windows의 줄바꿈은 캐리지 리턴 + 라인 피드(CR+LF)이고, Linux/macOS의 줄바꿈은 라인 피드(LF)만 사용합니다. 이런 차이 때문에 Windows에서 만든 TXT 파일을 Linux에서 열면 각 줄 끝에 보이지 않는 캐리지 리턴 문자(0x0D)가 하나 더 붙어 일부 프로그램이 파싱 오류를 일으킬 수 있습니다. 다만 Windows의 대부분 소프트웨어는 LF만으로도 인식하며, 일부 오래된 Windows 프로그램이나 명령줄 도구에서만 여전히 표시 이상이 나타날 수 있습니다.
TXT 줄 바꿈 처리 도구
TXT 파일을 여기로 끌어다 놓으면 어떤 줄바꿈 문자가 쓰였는지 확인하고, 원하는 줄바꿈 방식으로 변환할 수 있습니다
포맷 후 다운로드
출력 파일에는 BOM이 붙지 않으며, 원본 파일은 수정되지 않습니다.
