PDF vers texte
Sortir les mots d’un PDF, dans l’ordre où on les lit.
Déposez vos fichiers ici
Ou collez-les, ou choisissez-les sur cet appareil. Rien n’est envoyé : le travail se fait dans cet onglet.
Fichiers dans cet onglet
Rien n’est encore chargé.
Options
De quelles pages tirer le texte.
Les mots, page par page.
Avancé
Extraire le texte
Ajoutez un fichier pour commencer.
Ce que fait cet outil
Ceci sort les mots d'un PDF dans l'ordre où une personne les lit, qui n'est pas l'ordre où le fichier les dessine. La page est découpée le long des espaces sans texte, du plus grand au plus petit, si bien qu'un titre courant sur deux colonnes passe avant les deux et qu'une page à deux colonnes n'est pas lue en travers. Vous pouvez l'obtenir en texte brut, ou en JSON indiquant où se trouvait chaque suite de texte sur la page.
Ce qu’il ne fera pas
Chaque outil d'ici dit ce qu'il ne sait pas faire, avec ses propres mots, avant que vous ne comptiez dessus.
- Une page numérisée contient une image de mots, pas des mots. Passez-lui d'abord la reconnaissance de texte, et ceci lira la couche qu'elle ajoute.
- L'ordre de lecture est déduit de la position du texte sur la page. Il est correct pour les colonnes, les titres et les tableaux, et il peut se tromper sur une page mise en page comme une affiche.
- Les colonnes sont reconnues à partir de trois lignes. Deux colonnes courtes côte à côte sont lues en travers, comme un tableau.
- Le texte dessiné de biais — un filigrane pivoté, un en-tête de tableau tourné — reste entier et est lu après le texte droit, plutôt que d'être fondu dans une ligne qu'il traverse.
Questions fréquentes
Rien n’est sorti. Que s’est-il passé ?
La page est presque sûrement un scan — une image de mots plutôt que des mots. Passez-la d'abord par Rendre un scan consultable, et ceci lira la couche de texte ainsi ajoutée.
Colonnes et tableaux restent-ils dans le bon ordre ?
Les colonnes oui : elles sont trouvées à partir de la géométrie et lues une à une. Les tableaux sont lus ligne par ligne. Une page mise en page comme une affiche, avec du texte en biais ou en blocs épars, n'a pas d'ordre de lecture à trouver, et cela se verra.
Mon fichier est-il téléversé quelque part ?
Non. Le travail se fait dans cet onglet, sur votre propre machine. Il n'existe dans ce produit aucun serveur vers lequel envoyer un fichier, et c'est pour cela que la promesse est vérifiable plutôt qu'une affaire de confiance : ouvrez l'onglet réseau de votre navigateur et regardez le travail se faire sans une seule requête.
Y a-t-il une limite de taille, ou de nombre de fichiers ?
Aucune que nous imposions. La limite est la mémoire de votre propre machine, puisque c'est là que le travail se fait : quelques centaines de mégaoctets passent confortablement sur un portable, moins sur un téléphone. Il n'y a pas de compteur quotidien, pas de file d'attente et pas de compte.
Combien cela coûte-t-il, et où est le piège ?
Rien, et aucune formule payante ne débloque de fonctions : le produit entier est la version gratuite. C'est tenable parce que le faire tourner ne nous coûte rien — c'est votre ordinateur qui travaille — donc il n'y a aucun coût par fichier à rattraper, aucune publicité et aucune donnée à vendre.