MyDevTools
FR

PDF en Texte

Extrayez la couche texte de fichiers PDF en fichiers .txt UTF-8 dans le navigateur, avec mappage Unicode des polices, par lots. Sans envoi ni OCR.

Vos saisies et fichiers restent dans le navigateur

Télécharger PDF

ou choisissez un fichier depuis votre appareil

Sur cette page

Extrayez la couche texte de fichiers PDF en fichiers .txt UTF-8 bruts dans le navigateur — pour la recherche, les comparaisons ou le traitement par des scripts. Rien n'est envoyé et aucun OCR n'intervient.

Fonctionnalité détaillée

L'extracteur lit les commandes d'affichage de texte de chaque page et décode les caractères via la table ToUnicode de la police, la cmap TrueType intégrée ou l'encodage WinAnsi : le cyrillique et les autres écritures non latines sortent correctement lorsque le PDF fournit la correspondance. Une nouvelle ligne commence chaque fois que le PDF passe à la ligne suivante, et les pages sont séparées par une ligne vide.

Les PDF numérisés ne contiennent que des images et produisent un texte vide, faute d'OCR. Les mises en page en colonnes et les tableaux sont aplatis dans l'ordre où le texte est stocké dans le fichier, et les espaces entre les mots dépendent de la façon dont le PDF a été produit. Les PDF protégés par mot de passe sont refusés avec un message explicite.

Ajoutez plusieurs PDF à la fois : ils sont traités l'un après l'autre dans un Web Worker avec une barre de progression, Annuler arrête tout immédiatement, et chaque ligne terminée reçoit Télécharger le TXT, qui enregistre <name>.txt.

Exemples pratiques

Document de deux pages : un PDF dont les pages contiennent « Second doc page A » et « Second doc page B » donne Second doc page A, une ligne vide, puis Second doc page B.

Gros fichier : un PDF de 2 500 pages et 5.44 MB produit un big.txt de 36 Ko sans que la page se fige.

Contrat numérisé : un PDF composé d'images de pages donne un .txt vide — passez-le d'abord dans un outil d'OCR.

Fichier protégé par mot de passe : affiche « locked.pdf : le PDF est protégé par un mot de passe et ne peut pas être traité. » tandis que les autres fichiers du lot sont tout de même extraits.

Comment utiliser cet outil

  1. Ajouter des fichiers PDF

    Cliquez sur Choisir un fichier ou déposez un ou plusieurs PDF sur Télécharger PDF. Ils apparaissent sous Fichiers à traiter.

  2. Extraire

    Cliquez sur Extraire le texte. La barre de progression indique le fichier en cours ; Annuler arrête le lot.

  3. Télécharger le texte

    Cliquez sur Télécharger le TXT sur une ligne pour enregistrer <name>.txt (UTF-8).

Conseils et bonnes pratiques

  • Si le résultat est vide, le PDF est probablement une numérisation : il n'y a pas de couche texte à extraire.
  • Des caractères illisibles signifient que le PDF n'a pas de correspondance Unicode exploitable pour sa police ; un copier-coller depuis une visionneuse PDF échouera généralement de la même façon.
  • Les tableaux et les colonnes sortent dans l'ordre de stockage : vérifiez l'ordre des lignes avant de traiter le texte avec des scripts.
  • Les fichiers déjà extraits sont ignorés quand vous cliquez à nouveau sur Extraire le texte : vous pouvez donc ajouter d'autres fichiers à la même liste.