Convertisseur PDF en texte

Ouvrez le fichier d’origine dans un lecteur PDF et essayez de sélectionner des mots. Un PDF contenant du texte sélectionnable stocke des caractères que l’extracteur peut lire. Un PDF numérisé contient des images de pages ; leur conversion en texte nécessite une reconnaissance optique de caractères (OCR).

Un même document peut contenir les deux types de pages. La réussite de l’extraction standard ne garantit pas que toutes les pages sous forme d’image ont été lues. Comparez le nombre de pages au document d’origine ; l’action OCR distincte remplace le résultat actuel au lieu de le fusionner avec celui-ci.

L’OCR en anglais reconnaît le texte imprimé et net sur 20 pages au maximum. Redressez les pages inclinées, utilisez un scan précis et améliorez le contraste si possible. Les tableaux, colonnes, écritures manuscrites et images de faible résolution peuvent malgré tout nécessiter des corrections manuelles.

Le script et le worker de Tesseract sont fournis par le site. Lorsqu’une reconnaissance OCR est nécessaire, le moteur de reconnaissance et les données de langue anglaise sont téléchargés depuis jsDelivr. Votre PDF et ses images restent dans votre navigateur. Une connexion indisponible ou une restriction du navigateur peut empêcher le démarrage de l’OCR ; l’extraction du texte sélectionnable reste disponible.

• Comparez avec l’original les noms, dates, totaux et caractères similaires, par exemple I/l/1 et O/0.
• Si l’initialisation reste bloquée, sélectionnez « Annuler la conversion », rétablissez la connexion et réessayez. Le traitement OCR valide n’est pas interrompu par une limite de temps automatique.
• L’OCR dans d’autres langues n’est pas disponible. Ne vous fiez pas à la reconnaissance anglaise pour un scan dans une autre langue.

L’extracteur reconstitue les mots, l’ordre de lecture, les sauts de ligne et les espacements entre paragraphes à partir de la position du texte. Il crée du texte brut, et non une copie de la page. Les polices, couleurs, images et mises en forme avancées ne sont pas conservées ; les colonnes et tableaux complexes peuvent être réorganisés.

Cet espace de travail permet uniquement de modifier le texte extrait. Il ne change pas le contenu du PDF d’origine, ne masque pas d’informations et n’exporte pas de fichiers Word. Pour créer un nouveau PDF à partir du texte corrigé, utilisez « Texte en PDF ».

Limites : fichier source de 30 Mo et 200 pages ; résultat modifiable de 2 000 000 caractères ; OCR en anglais de 20 pages. Si une limite est dépassée, scindez le document avec un autre outil de confiance ou choisissez un fichier plus petit. PDFTextFlow ne tronque jamais l’extraction sans vous prévenir.

• Mot de passe requis : saisissez le mot de passe connu dans « PDF protégé par mot de passe ? », puis réessayez. Si le chiffrement n’est pas pris en charge, vous devrez peut-être enregistrer une copie déchiffrée avec un lecteur PDF de confiance, à condition d’y être autorisé.
• PDF non valide ou endommagé : téléchargez une nouvelle copie ou enregistrez de nouveau le fichier dans un lecteur PDF. Renommer un autre type de fichier en .pdf ne le convertit pas en PDF.
• Ordre des mots inattendu : comparez les tableaux et les colonnes au document d’origine, puis corrigez le résultat avant de le copier.
• Copie indisponible : sélectionnez le texte dans l’éditeur et utilisez la commande de copie du clavier ou de votre appareil. Vous pouvez aussi le conserver en le téléchargeant au format TXT.

L’analyse du PDF, la reconstitution du texte et la reconnaissance OCR sont effectuées dans ce navigateur. Le PDF d’origine n’est pas envoyé lors de cette conversion. Le site télécharge toutefois ses scripts et ressources ; l’OCR facultatif télécharge ses ressources de reconnaissance depuis un serveur externe.

Enregistrez votre résultat avant de fermer la page ou d’en changer. PDFTextFlow ne propose ni stockage en ligne ni historique des conversions. Il est impossible de remplacer le fichier pendant son traitement ; annulez l’opération pour réessayer ou en choisir un autre.