EXTRACTION
Déposez un PDF et récupérez son texte — tout le document, ou seulement les pages que vous indiquez.
Jusqu’à 100 Mo — il ne quitte pas votre appareil
Texte extrait
Aucun texte n’est sorti de ces pages. Cela signifie presque toujours que le PDF est un scan : les pages sont des images, il n’y a pas de couche de texte à extraire. Les lire demande de l’OCR, ce que cet outil ne fait pas.
la couche de texte
Un PDF issu d’un traitement de texte, d’un navigateur ou d’un outil de design transporte son texte en tant que texte : les lettres y sont stockées comme des caractères avec des positions, c’est pourquoi on peut les sélectionner dans une visionneuse. Cet outil lit cette couche page par page et vous la rend en texte brut, prêt à coller n’importe où.
Un PDF scanné est une autre affaire. Chaque page est une photographie de papier : il n’y a aucun caractère à lire et rien ne sort. Ce n’est pas un échec de l’extraction — il n’y a réellement pas de texte dans le fichier, et l’obtenir demande une reconnaissance optique de caractères, pas une lecture.
trois étapes
Il est analysé dans le navigateur, avec le moteur qui dessine aussi nos aperçus PDF. Rien n’est envoyé : un contrat ou une facture reste sur votre machine.
Vide signifie tout le document. Sinon indiquez-les comme dans une boîte de dialogue d’impression — 1-3, 5, 8- — et seules ces pages seront lues. Les marques de page permettent de savoir où chacune commençait.
Copier place le texte dans le presse-papiers, pour une messagerie ou un éditeur. Télécharger écrit un .txt en UTF-8, plus sûr pour les documents longs.
réponses rapides
Le PDF est presque certainement un scan : ses pages sont des images sans couche de texte. Pour le vérifier, ouvrez-le dans n’importe quelle visionneuse et essayez de sélectionner un mot — si le curseur ne l’attrape pas, il n’y a rien à extraire.
Non. Il lit le texte déjà présent dans le fichier plutôt que de reconnaître des lettres dans une image. L’OCR exigerait de télécharger un modèle avant même la première page : c’est un autre outil.
Le texte brut n’a ni colonnes, ni tableaux, ni marges. Les retours à la ligne suivent ce que le PDF marque lui-même comme fin de ligne ; tout le reste — un article sur deux colonnes, un tableau de chiffres — est aplati en texte courant.
Oui, car ce sont des textes de la page comme les autres. Si vous extrayez le corps d’un long rapport, attendez-vous à un en-tête ou un pied de page entre les pages.
Il ne peut pas être ouvert ici. Retirez le mot de passe dans l’application qui l’a créé ou dans votre lecteur PDF, puis passez la copie déverrouillée dans cet outil.
Oui, y compris les PDF qui s’appuient sur des tables de caractères prédéfinies au lieu d’incorporer une police. Le .txt est écrit en UTF-8, les caractères survivent donc au trajet.
Non. Le fichier est lu dans votre navigateur et le texte ne quitte pas la page. Il n’y a aucun serveur dans cet outil auquel envoyer un document.
Oui — gratuit et sans filigrane.
