Convertir PDF en texte
Lisez le texte enregistré dans un PDF, copiez-le ou téléchargez-le en fichier TXT. Tout se passe dans votre navigateur et le PDF n’est jamais envoyé.
Glissez un fichier PDF iciChoisir un fichier PDF
Un fichier PDF jusqu’à 100 Mo. Le fichier reste sur votre appareil.
Traitement sur votre appareil, aucun envoi
Guide et informations
Comment ça marche
- Choisissez un PDF ou glissez-le sur la zone ci-dessus.
- Choisissez toutes les pages ou indiquez des pages, par exemple 1-3, 5.
- Choisissez « Extraire le texte » et vérifiez l’aperçu.
- Copiez le texte ou choisissez « Télécharger le TXT ». Le fichier est codé en UTF-8.
Ce que fait et ne fait pas cet outil
L’outil lit le texte qui est enregistré dans le PDF sous forme de texte, par exemple issu de traitements de texte, d’impressions de pages web ou de rapports. Ce n’est pas de l’OCR (reconnaissance de texte). Un PDF numérisé se compose d’images de pages et ne contient en général pas de texte. Dans ce cas, l’outil indique clairement qu’aucun texte n’a été trouvé, au lieu de présenter un fichier vide comme un succès. Si seules certaines pages contiennent du texte, les autres restent vides et un message le signale.
Certains PDF enregistrent des caractères sans correspondance Unicode valide. Le texte ne peut alors pas être lu de façon fiable et le résultat peut se composer de caractères de remplacement. L’outil avertit quand cela domine sur des pages.
Ordre, Unicode et limites
Les lignes et les paragraphes sont reconstruits à partir des positions des fragments de texte sur la page. Pour les documents à une colonne, cela correspond en général à l’ordre de lecture. Avec plusieurs colonnes, des tableaux, des notes de bas de page, des en-têtes et pieds de page ou du texte pivoté, l’ordre peut différer du vôtre. Vérifiez les textes importants dans l’aperçu. Les pages sont séparées par une ligne vide, au besoin avec un repère de page.
Le texte est repris en Unicode et normalisé, et le fichier est en UTF-8. Les césures en fin de ligne sont conservées. Le PDF peut peser jusqu’à 100 Mo, sur smartphones et appareils à peu de mémoire 50 Mo, avec au plus 2 000 pages. Les PDF protégés par mot de passe ou à usage restreint sont refusés. L’aperçu montre les 100 000 premiers caractères, le fichier et la fonction de copie contiennent tout.
Questions fréquentes
Pourquoi l’outil indique-t-il qu’il n’y a pas de texte ?
Le PDF se compose probablement d’images numérisées. Cet outil lit uniquement le texte existant et ne reconnaît pas le texte dans les images. Il faudrait pour cela de l’OCR.
Mon PDF est-il envoyé ?
Non. PDF.js lit le fichier localement dans votre navigateur. Ni le PDF ni le texte ne sont envoyés à AnyConvertor ou à des tiers.
Pourquoi l’ordre est-il faux avec des colonnes ?
Un PDF enregistre des fragments de texte avec des positions, mais pas de sens de lecture. L’outil reconstruit les lignes à partir des positions. Avec des colonnes, des tableaux ou des notes de bas de page, cela peut différer de l’ordre de lecture souhaité.
Puis-je lire seulement certaines pages ?
Oui. Choisissez « Pages choisies » et saisissez par exemple 1-3, 5. Les pages apparaissent dans l’ordre de votre saisie.
Que signifient les « caractères de remplacement » du message ?
Le PDF ne contient pas là d’information sur le caractère Unicode qui correspond à un glyphe, le texte ne peut donc pas être lu correctement. Une autre méthode d’export dans le logiciel d’origine aide souvent.