Utilore

PDF en texte

Copier depuis un PDF donne des mots coupés en deux, des lignes brisées au bord de la colonne et un nom d’entreprise qui revient toutes les quarante lignes. Ici le texte est extrait puis nettoyé — chaque correction est un interrupteur que vous activez, et le fichier ne quitte pas cet onglet.

ou déposez-les ici

Un PDF avec couche de texte — pas un scan. Jusqu’à 60 Mo

Le fichier reste sur cet appareil : il est ouvert dans l’onglet et rien n’est envoyé. Rien n’est téléchargé non plus — le lecteur PDF fait déjà partie de la page.

Ce qui ne passe pas : images, tableaux en tant que tableaux, gras et italique. Un tableau devient des lignes de texte, et une mise en pages sur deux colonnes se lit colonne de gauche d’abord — c’est ainsi que le texte est stocké.

À côté : PDF en Word · Image en texte · Comparer deux PDF · Compteur de mots

Comment faire

  1. Choisissez un PDF muni d’une couche de texte, pas un scan.
  2. Activez ce qu’il vous faut : recoller les mots coupés, recoller les lignes en paragraphes, retirer en-têtes et numéros de page.
  3. Copiez le texte ou téléchargez-le en fichier .txt.

Bon à savoir

Extraire le texte n’est que la moitié du travail

Un PDF ne stocke pas des lignes : il stocke des morceaux de texte avec des coordonnées. Une ligne arrive souvent en une douzaine de morceaux parce que la police a changé en milieu de phrase, et un extracteur naïf les rend un par ligne. Les morceaux sont donc d’abord regroupés en lignes par leur position verticale, puis nettoyés. Le même regroupement tourne dans l’outil de comparaison de deux PDF : s’il fonctionnait autrement là-bas, le même fichier afficherait des différences différentes.

Trois corrections, et aucune ne se fait en silence

Les mots coupés sont recollés — seulement si la ligne suivante commence par une minuscule, pour ne pas souder un nom composé. Les lignes sont recollées en paragraphes — mais titres, articles numérotés et éléments de liste gardent leur ligne : fondre les articles d’un contrat est pire que laisser des retours à la ligne en trop. En-têtes et numéros de page sont retirés par répétition d’une page à l’autre, et un nombre nu ne compte comme numéro de page que s’il ne dépasse pas le nombre de pages : l’année 2026 dans un tableau survit.

Un scan reçoit une autre réponse

Si le PDF est un scan, il n’y a aucun texte dedans : les pages sont des images. Rendre un cadre vide ferait croire à un outil cassé plutôt qu’au mauvais outil ; la page dit donc ce qui s’est passé et renvoie à la reconnaissance de texte, qui lit aussi les pages de PDF. Le test est volontairement grossier : moins de quarante lettres dans tout le document, ce sont des légendes dans des images, pas une couche de texte.

Questions fréquentes

Mon document est-il envoyé quelque part ?

Non. Il est ouvert dans cet onglet et lu sur place. Rien n’est téléchargé non plus : le lecteur PDF fait déjà partie de la page.

Pourquoi le texte est-il vide pour mon fichier ?

C’est très probablement un scan : une image de chaque page, sans couche de texte. Passez-le par « Image en texte » : cet outil reconnaît les lettres et accepte aussi les pages de PDF.

Pourquoi les colonnes sont-elles mélangées ?

Parce qu’une mise en pages sur deux colonnes est stockée telle qu’elle a été dessinée, la colonne de gauche venant en général en entier d’abord. L’ordre suit ici le fichier plutôt que de deviner la mise en pages : deviner faux mélange le texte davantage.

Que deviennent les tableaux ?

Un tableau devient des lignes de texte : les cellules gardent leur ordre mais perdent la grille. Si vous avez besoin de la grille, utilisez « PDF en Excel », qui déduit les colonnes des coordonnées.

Quelle taille de document est acceptée ?

Jusqu’à 60 Mo et les 500 premières pages. Au-delà, l’attente n’en vaut plus la peine, et la page le dit au lieu de se figer.

Outils similaires