pdfMB

PDF en texte

Récupérez tout le texte d’un PDF, dans l’ordre de lecture et réuni en paragraphes. Copiez-le ou téléchargez un fichier .txt. Votre fichier reste sur cet appareil.

  • Aucun envoiVotre fichier reste sur cet appareil.
  • Votre original reste intactVous téléchargez une nouvelle copie. Votre fichier n’est jamais modifié.
  • Gratuit, sans inscriptionPas de compte, pas de limite quotidienne.

Ce qui arrive à votre fichier

Tout ce qui suit se passe dans votre navigateur, sur votre propre appareil. Le PDF n’est pas envoyé : personne d’autre, nous compris, ne peut le voir.

  1. Votre navigateur ouvre le PDF avec pdf.js, le lecteur PDF intégré à Firefox, et lit chaque morceau de texte avec sa position et sa taille.
  2. Les morceaux de texte d’une même ligne sont réunis en lignes, et les lignes en paragraphes : vous n’avez pas un retour à la ligne forcé tous les trois mots. Les mots coupés par un trait d’union en fin de ligne sont recollés.
  3. Les pages en deux ou trois colonnes sont lues une colonne à la fois. Copier depuis un lecteur PDF mélange souvent les colonnes ligne par ligne.
  4. Les lignes qui se répètent en haut ou en bas de la plupart des pages, comme les titres courants et les numéros de page, peuvent être supprimées pour ne pas couper les phrases.
  5. Les tableaux donnent une ligne par rangée, avec les cellules séparées par des tabulations : collés dans un tableur, ils tombent dans les bonnes colonnes.
  6. Certains PDF, souvent enregistrés depuis un navigateur web, marquent certains caractères comme « aucun caractère ». En thaï, ce sont surtout des signes de ton au-dessus des voyelles. pdfMB les reconstruit à partir des polices contenues dans votre fichier.
  7. Les pages sans texte, comme les scans, peuvent être lues avec le même moteur OCR que OCR PDF. Seules les données de langue sont téléchargées, une seule fois.
  8. Le fichier .txt est enregistré en UTF-8 sur votre appareil, pour que toutes les langues passent, ou le texte est copié dans votre presse-papiers.
En bref
  1. Choisir un PDF
  2. Appuyer sur « Convertir en texte »
  3. Vérifier l’aperçu
  4. Copier ou télécharger le fichier .txt

Comment récupérer le texte d’un PDF

  1. Choisissez un PDF ou déposez-le dans le cadre. pdfMB lit chaque page et vous indique si certaines pages sont des scans sans texte.
  2. S’il y a des pages scannées, laissez « Lire le texte des pages scannées (OCR) » activé et choisissez la langue du document.
  3. Appuyez sur « Convertir en texte ». Une barre montre l’avancement.
  4. Parcourez l’aperçu. Vous pouvez garder ou supprimer les en-têtes et pieds de page, marquer le début des pages, ou passer en Markdown pour garder les titres et les tableaux.
  5. Appuyez sur « Tout copier » pour coller le texte ailleurs, ou téléchargez le fichier .txt.

Pourquoi le texte thaï copié perd souvent ses signes de ton

Les polices thaïes ont des formes en plus pour les signes de ton : une forme surélevée, placée au-dessus d’une voyelle haute comme dans ที่ ou น้ำ, et une forme normale. Le PDF enregistre quelle forme a été dessinée, ainsi qu’une table qui indique quelle lettre chaque forme représente.

Quand un PDF est enregistré depuis Chrome, Edge et d’autres navigateurs Chromium, cette table indique souvent que les formes surélevées ne représentent « rien ». En copiant le texte, ou avec un outil qui se fie à la table, le signe disparaît, et น้ำ (eau) devient นำ (mener).

Dans notre test avec un article de 35 pages de Wikipédia en thaï enregistré depuis Chrome, 1 915 signes de ton étaient marqués ainsi. pdfMB retrouve le bon signe dans la police contenue dans le fichier, et les 4 911 signes de ton ont tous été conservés.

Dans quels cas l’utiliser

Réutiliser ce que vous avez écrit

Récupérez le texte d’un ancien rapport, d’une lettre ou d’un CV dans le PDF pour le modifier dans n’importe quel logiciel.

Traduire

Collez des paragraphes entiers dans un traducteur, plutôt que des lignes qui s’arrêtent au milieu d’une phrase.

Chercher et compter

Faites une recherche dans un long document, comptez les mots, ou comparez deux versions dans un éditeur de texte.

Documents en thaï

Copiez du texte thaï qui garde ses signes de ton, même depuis des PDF enregistrés dans un navigateur web.

Ce que l’outil ne peut pas faire

  • Seul le texte est conservé. Les images, graphiques et dessins sont laissés de côté. Utilisez PDF en JPG pour les enregistrer.
  • Le gras, l’italique, les titres et les liens deviennent du texte ordinaire. Utilisez PDF en Markdown pour les garder.
  • La position exacte du texte sur la page n’est pas conservée. Le texte des encadrés et des marges est intégré au fil des paragraphes.
  • Les équations sortent en texte brut, avec les exposants et les indices sur la même ligne.
  • Les langues qui s’écrivent de droite à gauche, comme l’arabe et l’hébreu, n’ont pas encore été assez testées. Vérifiez soigneusement le résultat.
  • Les PDF protégés par un mot de passe, et ceux dont le propriétaire a bloqué la copie, ne peuvent pas être convertis.

Questions sur la conversion de PDF en texte

Mon PDF est-il envoyé quelque part ?

Non. pdfMB lit le fichier dans votre navigateur, et il ne quitte jamais votre appareil. Vous pouvez le vérifier dans les outils réseau de votre navigateur.

Pourquoi ne pas simplement copier depuis mon lecteur PDF ?

La plupart des lecteurs copient ligne par ligne : chaque ligne finit par un retour à la ligne, les colonnes se mélangent et les mots coupés restent coupés. pdfMB réunit les lignes en paragraphes, lit les colonnes dans l’ordre et peut laisser de côté les en-têtes et numéros de page.

Les signes de ton thaïs sont-ils conservés ?

Oui. pdfMB restaure aussi les signes de ton que certains PDF marquent comme « aucun caractère ». Dans notre test, les 4 911 signes de ton d’un article thaï de 35 pages ont tous été conservés.

Peut-il lire un PDF scanné ?

Oui. Activez l’OCR et choisissez la langue. Vérifiez le résultat, car l’OCR peut mal lire les noms et les chiffres.

Quel est l’encodage du fichier .txt ?

UTF-8, que tous les éditeurs modernes ouvrent, dont Notepad, TextEdit et VS Code. Toutes les langues et tous les symboles sont conservés.

Y a-t-il une limite de pages ou de taille ?

Il n’y a pas de limite fixe. Les longs documents prennent plus de temps, et les très gros fichiers peuvent manquer de mémoire sur certains téléphones.