Comment extraire le texte d’un PDF ?
Déposez votre PDF dans le cadre ci-dessus et patientez un instant pendant la lecture des pages. Cliquez ensuite sur « Extraire le texte » et téléchargez le fichier TXT. Il contient les mots de chaque page dans l’ordre, prêts à être ouverts dans le Bloc-notes, TextEdit ou n’importe quel éditeur. Votre PDF d’origine n’est pas modifié.
Le résultat est volontairement dépouillé. Pas de polices, pas de couleurs, pas d’images : seulement du texte, ce qui le rend léger, facile à fouiller et facile à coller dans un autre document. Si vous avez aussi besoin de la mise en page, PDF en Word ou le fichier d’origine sont de meilleures pistes.
Astuce : Ouvrez le TXT dans un traitement de texte et utilisez rechercher-remplacer pour supprimer les retours à la ligne en trop. Le texte d’une colonne étroite se coupe souvent à chaque ligne, et un seul remplacement règle le problème.
Pourquoi ne peut-on pas copier le texte de mon PDF ?
Il y a trois raisons habituelles. La plus fréquente : le PDF est un scan, c’est-à-dire une photo de la page, qui ne contient aucun texte. Rien ne peut être sélectionné, puisqu’il n’y a rien à sélectionner. La solution, c’est l’OCR, qui lit l’image et la transforme en vrai texte.
La deuxième, c’est un verrou de permissions. Certains PDF autorisent la lecture mais bloquent la copie. Si vous connaissez le mot de passe, l’outil Enlever le mot de passe le retire, et vous pouvez ensuite extraire le texte. La troisième, c’est un encodage de police bizarre : le texte se sélectionne mais se colle sous forme de symboles illisibles. Dans ce cas, passer la page à l’OCR est souvent la solution la plus propre.
À quoi ressemble le texte extrait ?
Vous obtenez les mots dans l’ordre où ils apparaissent sur chaque page, avec un retour à la ligne partout où le PDF coupe une ligne. Les paragraphes ressortent en général en lignes courtes, et un tableau devient des rangées de texte où les cellules se suivent. Les en-têtes, pieds de page et numéros de page apparaissent là où ils étaient imprimés, car ce sont aussi du texte.
C’est normal pour une extraction de PDF. Un PDF enregistre chaque morceau de texte à une position sur la page, sans vraie notion de paragraphe ni de tableau. L’outil lit ce qui s’y trouve et l’écrit à la suite. Pour un chapitre de mémoire ou un article à citer, cela marche très bien. Pour un tableau complexe façon tableur, attendez-vous à reconstruire les colonnes à la main.
Est-ce sûr d’extraire le texte d’un PDF en ligne ?
Oui, parce que le PDF n’est pas envoyé. Vous ouvrez la page en ligne, mais votre navigateur lit le texte sur votre propre appareil. Le document et les mots qu’il contient ne partent jamais vers un serveur, ce qui convient aux contrats, aux comptes rendus médicaux et à tout ce que vous n’enverriez pas à un inconnu par e-mail.
Vous pouvez le confirmer dans l’onglet Réseau de votre navigateur pendant l’extraction d’un fichier. Aucune requête ne transporte votre PDF. Le TXT est lui aussi créé dans votre navigateur et enregistré directement dans vos téléchargements.