Extracteur de PDF en texte

L'Extracteur de PDF en texte transforme un PDF en texte brut propre et copiable — sans rien téléverser. Ouvrez un fichier et l'outil lit le calque de texte stocké derrière chaque page, reconstruit chaque ligne à partir de la position des glyphes, et vous remet un texte réellement réutilisable : les pages à deux colonnes sortent colonne par colonne au lieu d'être entrelacées, les titres courants et numéros de page qui se répètent sur chaque page sont retirés, les mots coupés par un trait d'union en fin de ligne sont recollés, et les lignes à retour forcé sont recomposées en véritables paragraphes. Vous avez besoin de l'espacement original ? Passez à Conserver la mise en page pour les tableaux, factures et reçus, ou à Ordre brut pour voir exactement ce que le fichier stocke. Tout se passe dans votre navigateur, donc contrats, relevés, articles et manuscrits ne quittent jamais votre appareil.

Comment extraire le texte d'un PDF

1. Ouvrez votre PDF. Déposez le fichier dans la zone de dépôt ou appuyez sur Choisir un fichier PDF. Il est lu sur votre appareil et n'est jamais téléversé. Pressé ? Appuyez sur Essayer un exemple de page à deux colonnes pour voir l'outil fonctionner tout de suite.
2. Choisissez un style d'extraction. Flux intelligent reconstruit les paragraphes et l'ordre de lecture, Conserver la mise en page reproduit l'espacement de la page, et Ordre brut montre l'extraction intacte.
3. Nettoyez le résultat. Laissez Supprimer les en-têtes et pieds de page répétés, Recoller les mots coupés et Détecter les colonnes activés, et saisissez une plage telle que 1-5, 12 dans Pages si vous n'avez besoin que d'une partie du document.
4. Copiez ou téléchargez. Lisez l'aperçu, puis appuyez sur Copier tout le texte, ou téléchargez le résultat en fichier .txt ou Markdown.

Quel style d'extraction utiliser ?

Ce qui distingue cet Extracteur de PDF en texte

Usages courants

Citer un article de recherche sans le retaper ; transférer le texte d'un contrat ou d'un bail dans un document pour le relire ; extraire les lignes d'une facture ou d'un relevé ; envoyer un rapport dans un traducteur, un résumeur ou une appli de notes ; récupérer les mots d'un livre numérique ou d'un manuel pour la recherche ; préparer un corpus propre pour l'analyse ; ou simplement mettre un long PDF dans une forme que votre lecteur d'écran, éditeur ou téléphone peut gérer confortablement.

Comment fonctionne l'extraction

Presque tous les PDF créés numériquement stockent un calque de texte invisible derrière la page visible : les mêmes caractères que vous pouvez sélectionner dans un lecteur, chacun enregistré avec la position exacte où il est dessiné. Cet outil lit ce calque puis reconstruit la structure à partir de la géométrie. Les caractères qui partagent une ligne de base deviennent une ligne. L'espace horizontal que chaque ligne couvre est mesuré sur la page, et une bande verticale qu'aucune ligne ne traverse est traitée comme la gouttière d'une mise en page multi-colonnes, ce qui fixe l'ordre de lecture. Les lignes qui s'étendent sur toute la largeur — titres, légendes de figures, filets — découpent la page en régions de colonnes et restent où elles sont. Enfin, l'interligne typique et le bord droit du corps du texte indiquent à l'outil où un paragraphe se termine vraiment, de sorte que les lignes ne sont jointes que lorsque le texte continue réellement.

Quand l'extraction ne peut pas fonctionner

Un document scanné est une photographie d'une page. Il n'a pas de calque de texte, donc il n'y a rien à extraire et tout outil qui prétend le contraire devine. Cet extracteur détecte ce cas et le dit, plutôt que de vous remettre un fichier vide ; pour obtenir du texte d'une numérisation, il vous faut d'abord de l'OCR (reconnaissance optique de caractères). Les PDF chiffrés ne peuvent pas non plus être ouverts tant que la protection n'est pas retirée. Et parce qu'un PDF décrit des instructions de dessin plutôt qu'un plan de document, certaines choses sont intrinsèquement approximatives : les pages très graphiques, les encadrés, les notes de bas de page, la notation mathématique et le texte dessiné en illustration vectorielle peuvent sortir dans un ordre que vous voudrez ranger à la main. Passer d'un style à l'autre est généralement le moyen le plus rapide d'obtenir le point de départ le plus propre.