Extraire le texte d'un PDF numérique ou numérisé
Deux PDF peuvent paraître presque identiques tout en stockant leurs pages différemment. L'un peut contenir des caractères sélectionnables ; l'autre peut contenir uniquement des images de page. Le flux de travail correct d’extraction de texte dépend du contenu du fichier.
Vérifiez si la page contient du texte réel
Essayez de sélectionner une phrase dans une visionneuse PDF. Un calque de texte utile vous permet souvent de sélectionner des mots, même si certains documents comportent encore des mappages de caractères incomplets ou inhabituels. Une page qui n'est qu'une image numérisée doit être reconnue par les pixels. Un fichier peut contenir les deux types de pages.
Extrayez d'abord le calque de texte existant
Choisissez PDF comme Texte pour un document numérique. Sélectionnez les pages dont vous avez besoin, inspectez le résultat et comparez-le avec l'original. Le texte brut ne préserve pas chaque table, colonne ou relation visuelle. Une page sans texte extrait doit être vérifiée séparément plutôt que silencieusement omise de votre travail.
Utiliser l'image OCR pour les pages numérisées
Pour une page contenant uniquement des images, utilisez d'abord PDF à JPG pour afficher la page requise. Ouvrez ce résultat dans Image to Text et choisissez la langue du texte. Cette séquence manuelle vous permet de consulter une page avant la reconnaissance. La première version PDF to Text ne numérise pas automatiquement les pages OCR.
Comparez les deux exportations Word originales
Le fichier sample-word-output.pdf contient des images de page de notre téléchargement direct Word vers PDF. Le fichier sample-word-print.pdf a été créé à l'aide du chemin d'impression du navigateur et contient du texte sélectionnable dans l'échantillon d'origine. Les fichiers montrent pourquoi une extension .pdf à elle seule ne vous indique pas si l'extraction de texte fonctionnera.
Gardez l'objectif de la sortie clair
TXT est utile pour rechercher, copier ou éditer des mots. Il ne s'agit pas d'une conversion PDF en Word préservant la mise en page. Si le texte extrait est important, vérifiez les limites des pages, les noms et les figures, conservez le PDF original et utilisez uniquement les documents que vous êtes autorisé à traiter.
Essayez les échantillons
Ces échantillons originaux ont été créés pour ce site. Téléchargez une copie et essayez l'outil associé. Certains échantillons contiennent du texte en anglais afin que la même entrée puisse être comparée sur plusieurs interfaces.
sample-word-output.pdf ↓ sample-word-print.pdf ↓Continue with a related tool
Des questions ou une correction ? mrkcal@mrkcal.com