PDF vers texte

Le PDF est très probablement un scan ou une photo, qui n’a pas de couche de texte à extraire. Passez-le d’abord dans OCR PDF ; cet outil ajoute une couche de texte et propose aussi directement un téléchargement en .txt.

Le texte est lu de gauche à droite et de haut en bas, selon la structure interne du PDF, ce qui convient à la plupart des documents à une seule colonne. Les mises en page à plusieurs colonnes, les encadrés et les tableaux peuvent ressortir entremêlés, et les en-têtes, pieds de page et numéros de page sont inclus avec tout le reste de la page.

Non. Le résultat est du texte brut UTF-8 : les caractères accentués, le cyrillique, le CJK et l’arabe sont conservés, mais pas le gras, les titres, les liens ni les images, et les sauts de ligne suivent les lignes du PDF plutôt que les paragraphes. Pour conserver titres et listes en Markdown, utilisez PDF vers Markdown.

Oui. Ajoutez autant de PDF que vous voulez et cliquez une seule fois sur Extraire ; chacun devient son propre fichier .txt nommé d’après la source, et ils sont téléchargés ensemble dans pdf-to-text.zip. Un PDF seul est téléchargé directement sous la forme filename.txt.

Les pages se suivent avec un saut de ligne entre elles. Il n’y a ni repères de page ni sauts de page : le fichier se lit comme un flux de texte continu.

Non, cet outil extrait toujours toutes les pages. Extrayez d’abord les pages voulues dans un PDF séparé avec Extraire des pages, puis convertissez ce fichier.

Si un PDF demande un mot de passe à l’ouverture, l’outil vous le demande avant l’extraction. Sans le mot de passe, le texte ne peut pas être lu.

Non. L’extraction s’exécute dans un moteur PDF chargé dans votre navigateur en WebAssembly : contrats, dossiers médicaux et tout le reste demeurent sur votre appareil du début à la fin.