Extraire le texte d'un PDF
Récupérez les mots d'un PDF sous forme de texte brut, sans envoyer le document où que ce soit.
- S'exécute sur votre appareil — le fichier n'est envoyé nulle part
- Sans inscription, sans filigrane, sans quota quotidien
- Gratuit, sans limite d'utilisation
Comment ça marche
Un PDF contenant du vrai texte porte les caractères eux-mêmes, positionnés sur la page. Cet outil les lit dans l'ordre des pages et les écrit dans un fichier texte brut, ce qui est utile pour citer, rechercher, compter les mots ou fournir un document à un outil qui ne sait pas lire le PDF.
Les PDF texte et les PDF numérisés sont deux choses différentes
Si un PDF a été produit par un traitement de texte ou une exportation, son texte est stocké comme du texte et l'extraction fonctionne. S'il a été produit par un scanner ou l'appareil photo d'un téléphone, chaque page est une photographie de document : il n'y a aucun caractère à extraire, seulement des pixels. Les lire exige de l'OCR, que cet outil ne tente volontairement pas. Il vous signale quand il ne trouve rien, plutôt que de vous rendre un fichier vide sans explication.
La mise en page ne survit pas
Le PDF stocke le texte sous forme de fragments placés à des coordonnées, et non de paragraphes. L'extraction reconstitue les lignes en regroupant les fragments à la même hauteur, ce qui fonctionne bien pour la prose ordinaire et mal pour les mises en page à plusieurs colonnes, les tableaux et les encadrés, où l'ordre de lecture peut sortir brouillé.
Repères de page
Chaque page est précédée d'un repère pour que vous sachiez où l'une se termine et où la suivante commence. Supprimez-les avec rechercher-remplacer si vous voulez un texte continu.
Extraire le texte d'un PDF : questions
Pourquoi mon fichier extrait est-il vide ?
Le PDF est presque certainement une numérisation. Ses pages sont des images et non du texte, il n'y a donc aucun caractère à extraire. Les lire exige de la reconnaissance de caractères (OCR), que cet outil ne fait pas.
Mon PDF est-il envoyé quelque part ?
Non. L'extraction s'exécute dans votre navigateur avec PDF.js de Mozilla. Le document ne quitte jamais votre appareil.
Conserve-t-il la mise en forme ?
Non. Vous obtenez du texte brut. Le PDF stocke le texte sous forme de fragments positionnés plutôt que de paragraphes ; les colonnes et les tableaux, en particulier, peuvent donc sortir dans un ordre inattendu.