Extrayez la couche de texte d'un PDF dans un fichier .txt simple, pour copier, réutiliser ou rechercher. En local, sans envoi.
Traitement en local sur votre appareil ...
0%
Vos fichiers n’ont jamais quitté votre appareil
Non. Tout s’exécute dans votre navigateur - votre fichier ne quitte jamais votre appareil. Comment le vérifier
Parfois on ne veut que le texte brut d'un PDF : reprendre une citation dans un document, coller un contrat dans l'éditeur, indexer du contenu pour une recherche ou une archive, ou transmettre le texte à un lecteur d'écran. Cet outil lit la couche de texte intégrée au PDF et la restitue dans un simple fichier .txt, sans polices, images, couleurs ni mise en page, juste les caractères.
L'ordre est reconstruit page par page : les fragments de texte à la même hauteur forment une ligne, lue de haut en bas et de gauche à droite. Vous pouvez choisir comment séparer les pages : par une ligne vide (par défaut), par un saut de page classique pour les éditeurs et les imprimantes, ou pas du tout pour un texte continu. Ainsi la sortie correspond à votre étape suivante, qu'il s'agisse de retouche, d'import ou de recherche en texte intégral.
Important et dit honnêtement : cet outil n'extrait que le texte déjà présent sous forme de couche dans le PDF. Un PDF scanné ou composé uniquement de photos n'a pas cette couche ; la sortie y reste vide et il vous faut alors la reconnaissance PDF OCR, qui reconnaît des lettres à partir des pixels. Les mises en page complexes à plusieurs colonnes, tableaux ou notes de bas de page ne se mettent pas toujours parfaitement dans un ordre linéaire. Mais pour des PDF normaux et réels (créés par des suites bureautiques, des navigateurs ou des systèmes de composition), l'extraction fournit un texte propre et réutilisable. Tout s'exécute en local dans le navigateur via pdf.js ; votre fichier ne quitte pas votre appareil.
| Formats d'entrée | |
|---|---|
| Format de sortie | TXT |
| Traitement par lots | Non |
| Traitement | En local dans le navigateur (JavaScript) |
| Téléversement de fichiers | Aucun |
Limites: Extrait la couche de texte existante d'un PDF et la restitue en fichier .txt UTF-8 ; les lignes sont reconstruites à partir des positions du texte. Les PDF scannés ou en image seule n'ont pas de couche de texte, la sortie y reste vide : utilisez alors PDF OCR. Les polices, images, couleurs et la mise en page exacte (pages à plusieurs colonnes, tableaux) sont perdues ou seulement approchées de façon linéaire. Déverrouillez d'abord les PDF protégés par mot de passe avec Déverrouiller un PDF.
Votre PDF est probablement un scan ou composé d'images et n'a pas de couche de texte. Utilisez alors PDF OCR, qui reconnaît le texte à partir des pixels.
Non. Vous obtenez du texte brut dans l'ordre de lecture. Les polices, images, colonnes et tableaux ne sont pas reproduits à l'identique.
En UTF-8, si bien que les accents et les caractères spéciaux sont conservés correctement.
Au choix : par une ligne vide (par défaut), un saut de page ou pas du tout pour un texte continu.
Non, l'extraction de texte se fait entièrement en local dans le navigateur.