PDF en texte — Extraire le texte d’un PDF
Outil dans le navigateur qui extrait le texte d’un PDF page par page pour le copier ou l’enregistrer en TXT
Traitement dans le navigateur · aucun envoi de fichier
Déposez ici le PDF dont vous voulez extraire le texte
Ajoutez un PDF (100 Mo maximum). Ajouter un autre fichier remplace le fichier actuel. Vos fichiers ne quittent jamais votre navigateur.
Présentation
Il transforme le texte d’un PDF en texte brut. Utilisez-le pour transférer un rapport dans un éditeur de texte, citer un passage d’un article ou chercher une phrase dans un long contrat. Vous pouvez ouvrir chaque page séparément et la copier, tout copier d’un coup ou télécharger un fichier TXT. Quand les lettres sortent abîmées à cause des polices, ou qu’un scan ne contient aucun texte, la page explique pourquoi et que faire. Tout fonctionne dans votre navigateur.
Mode d’emploi
- Déposez un PDF dans la zone en pointillés ou cliquez sur Choisir un PDF.
- Si vous n’avez besoin que d’une partie, saisissez une plage de pages comme
1-3, 5. Vide signifie toutes les pages. - Choisissez d’ajouter ou non un séparateur comme
--- Page 1 ---entre les pages. - Cliquez sur Extraire le texte pour obtenir le texte complet et celui de chaque page. Sur les longs fichiers, Arrêter termine plus tôt et garde ce qui a été lu.
- Copiez tout, copiez une page ou téléchargez le fichier TXT.
Fonctionnement
- Extraction : les fragments de texte lus par PDF.js sont assemblés dans l’ordre de stockage. Une nouvelle ligne commence à une marque de fin de ligne ou lorsque la ligne de base se déplace de plus d’une demi-ligne ; un espace est ajouté entre les fragments d’une même ligne visiblement éloignés. Les espaces de fin sont supprimés et les lignes vides consécutives réduites à une seule.
- Alerte de texte illisible : affichée quand au moins 3 caractères, et au moins 2 % des caractères visibles, sont des caractères de remplacement (�), à usage privé ou de contrôle.
- Pages sans texte : leurs numéros sont listés ; si toutes sont vides, le fichier est traité comme un scan et l’OCR est suggérée.
- Fichier TXT : UTF-8 avec indicateur d’ordre des octets et fins de ligne Windows (CRLF), pour que les accents, le chinois et les emojis s’ouvrent correctement même dans un ancien Bloc-notes.
- Limites : fichiers jusqu’à 100 Mo. Pas d’OCR.
- Bibliothèques : PDF.js (Apache-2.0). Les tables de caractères des polices chinoises, japonaises et coréennes sont servies par ce site et chargées seulement si nécessaire.
Exemples
| Fichier | Résultat |
|---|---|
| Rapport exporté de Word | Paragraphes et lignes tels qu’écrits |
| Article sur deux colonnes | En général colonne de gauche puis de droite ; les cellules de tableau peuvent se coller |
| Ticket de caisse scanné | « Aucun texte trouvé » avec un conseil OCR |
| PDF dont la police n’a pas de table Unicode | Alerte de texte illisible avec la solution |
Pour les photos d’un PDF, utilisez Extraire les images d’un PDF ; pour garder l’aspect des pages entières, utilisez PDF en JPG.
Questions fréquentes
Mon PDF est-il envoyé en ligne ?
Non. L’extraction se fait uniquement dans votre navigateur et le fichier n’est jamais envoyé. Le texte n’existe que sur cette page et dans le fichier TXT que vous téléchargez.
Le texte extrait est illisible. Pourquoi ?
Quand un PDF intègre une police sans table Unicode, les lettres s’affichent à l’écran mais deviennent des blancs ou des symboles étranges une fois lues comme texte. Si ces caractères sont assez nombreux, l’outil vous prévient. La solution consiste à réexporter le PDF depuis le logiciel d’origine ou à utiliser la reconnaissance de texte (OCR).
Pourquoi n’obtiens-je rien d’un PDF scanné ?
Dans un PDF scanné ou photographié, chaque page est une image : il n’y a pas de texte à extraire, et cet outil ne fait pas d’OCR. Si aucun texte n’est trouvé, vous en êtes informé ; passez d’abord le fichier dans un logiciel ou une application de scan avec reconnaissance de texte.
Les retours à la ligne et l’ordre sont-ils ceux de l’original ?
Le texte suit l’ordre dans lequel il est stocké dans le PDF, et les lignes sont coupées aux marques de fin de ligne et là où la ligne de base saute. La plupart des documents sortent dans l’ordre de lecture, mais les mises en page en colonnes, les tableaux et les zones de texte peuvent se mélanger ou se coller.
Cela fonctionne-t-il avec les PDF protégés ?
Les PDF qui demandent un mot de passe à l’ouverture ne sont pas encore pris en charge. Ceux qui s’ouvrent sans mot de passe mais limitent l’impression ou la modification s’ouvrent, et leur texte peut être lu. Vérifiez vous-même les conditions d’utilisation du document.
