Mode d’emploi
- Choisissez ou déposez un fichier PDF.
- Patientez pendant la lecture de chaque page ; le texte apparaît en dessous.
- Activez « Fusionner les lignes coupées en paragraphes » si des phrases sont coupées d’une ligne à l’autre.
- Copiez le texte ou téléchargez-le en fichier .txt.
Explication des options
- Marquer les sauts de page
- Ajoute une ligne « --- Page N --- » avant chaque page pour retrouver d’où vient le texte.
- Fusionner les lignes coupées en paragraphes
- Les PDF enregistrent chaque ligne imprimée séparément. Cette option réunit les lignes d’un même paragraphe, supprime les traits d’union de fin de ligne et laisse telles quelles les lignes vides, les éléments de liste et les lignes qui se terminent par un point.
Ce que fait « Fusionner les lignes coupées en paragraphes »
Un PDF stocke le texte sous forme de lignes imprimées : un paragraphe arrive donc en plusieurs lignes courtes. Voici une page telle qu’elle est extraite :
Revenue grew steadily dur-
ing the year, driven by
new customers.
- First item
- Second itemAvec Fusionner les lignes coupées en paragraphes activé et Marquer les sauts de page laissé activé, le résultat est :
--- Page 1 ---
Revenue grew steadily during the year, driven by new customers.
- First item
- Second itemUne ligne n’est pas jointe à celle du dessus quand cette dernière se termine par un point, !, ?, deux-points, un point-virgule ou un guillemet ou une parenthèse fermante, quand elle commence comme un élément de liste, ou quand une ligne vide les sépare. Un trait d’union en fin de ligne est supprimé lorsqu’il suit une lettre et que la ligne suivante commence par une minuscule : un vrai mot composé qui se trouve être coupé au trait d’union, comme well-known, perd donc son trait d’union. Aucune espace n’est ajoutée entre les caractères chinois, japonais ou coréens.
Questions fréquentes
Pourquoi aucun texte n’est-il trouvé ?
Les documents numérisés et les photos enregistrées en PDF contiennent des images de texte, et non du texte. Il faut alors une reconnaissance optique de caractères (OCR), ce que cet outil ne fait pas.
Pourquoi le texte est-il dans le désordre ?
Le texte est extrait dans l’ordre où il est stocké dans le fichier. Les mises en page en plusieurs colonnes, les tableaux et les zones de texte sont parfois stockés dans un ordre différent de l’ordre de lecture.
Est-ce que cela fonctionne avec le chinois, le japonais et d’autres langues ?
Oui. Les tables de caractères des polices CJK sont incluses, donc le texte des PDF en chinois, japonais et coréen est extrait correctement.
Confidentialité
Cet outil fonctionne entièrement dans votre navigateur. Vos fichiers et vos textes sont traités sur votre appareil et ne sont jamais envoyés à nos serveurs.