Une page PDF est une liste d’instructions de dessin, et les mots qui s’y trouvent sont généralement de vrais objets texte, pas une image. Cette page lit ces objets directement : vous obtenez des caractères que l’on peut chercher, citer et modifier, sans que le fichier quitte votre ordinateur.

Comment l’utiliser

1. 1 Déposez le PDF sur la zone, ou cliquez pour choisir le fichier.
2. 2 Indiquez la plage de pages si vous n’en voulez qu’une partie, et choisissez de conserver ou non les retours à la ligne.
3. 3 Cliquez sur Extraire, puis copiez le résultat ou téléchargez-le en .txt.

L’extraction n’est pas de l’OCR

Si le PDF sort d’un traitement de texte ou d’un système de facturation, les caractères y sont déjà et la lecture est exacte. S’il vient d’un scanner ou d’un appareil photo de téléphone, la page n’est qu’une photographie et il n’y a rien à lire ; reconnaître ces lettres relève de la reconnaissance optique de caractères, un travail différent et bien moins fiable. Cet outil vous dit dans quel cas vous êtes plutôt que de renvoyer une zone vide.

D’où viennent les retours à la ligne

Un PDF n’enregistre ni lignes ni paragraphes, seulement du texte placé à des coordonnées. Le lecteur regroupe en une ligne les fragments situés à la même hauteur et en commence une nouvelle quand la hauteur change. Cela fonctionne bien sur des documents ordinaires et imparfaitement sur des mises en page à plusieurs colonnes, où les deux colonnes peuvent s’entremêler.

Choisir les pages

Le champ de plage accepte des pages isolées et des intervalles séparés par des virgules. Les doublons sont éliminés et les pages lues dans l’ordre, écrire en désordre est donc sans conséquence. Un numéro hors plage est refusé plutôt qu’ignoré en silence, car une page discrètement sautée signifie du texte manquant que vous ne remarquerez jamais.

1-5        → 1, 2, 3, 4, 5
2, 7, 9    → 2, 7, 9
1-3, 10    → 1, 2, 3, 10
(bos)      → toutes les pages

Une remarque sur la mise en forme

La sortie est du texte brut : gras, titres, tableaux et images ne survivent pas ; un tableau devient des lignes de mots sans bordures de cellules. S’il faut conserver la mise en page, la conversion vers un format de document est l’outil adapté, et si vous voulez seulement les pages en images, les pages PDF en JPG et PDF en PNG le font.