PDF en texte, à partir d'un scan ou des mots propres d'un PDF
Les mots, hors du fichier
Déposez un PDF sur la page OCR, choisissez de ne produire que le texte, et lancez la lecture. Une page dont les mots sont déjà du texte est reprise telle quelle, et le résultat le dit : ces mots n'ont pas été lus ici et, si un autre programme les y a mis, ils n'ont pas non plus été vérifiés. Une page qui est une image de texte, un scan ou une photo, est rendue à 300 points par pouce et lue. Téléchargez le texte de trois façons : dans l'ordre de lecture, une page après l'autre et une colonne après l'autre ; disposé comme sur la page, chaque ligne à sa place ; ou, pour une page qui est clairement un tableau, en CSV pour une feuille de calcul, dont les cellules ne peuvent jamais exécuter de formule. Une page qui n'est pas disposée en tableau ne donne pas de CSV, et le résultat le dit plutôt que de vous remettre une feuille de calcul aux cellules mal placées.
Sûr, ou signalé
Un mot erroné sous un scan est pire qu'aucun mot : une recherche tombe au mauvais endroit, et une copie emporte une erreur que personne n'a tapée. Un mot lu avec trop peu d'assurance est donc omis plutôt que deviné, et le résultat indique combien de mots ont été omis sur chaque page. Une page sur laquelle rien ne peut être lu avec assurance ne reçoit aucun mot, et elle est signalée comme illisible. Quand aucune page ne peut être lue, rien n'est créé, et on vous dit pourquoi.
Langues
Choisissez la langue, ou laissez la page la trouver : elle examine d'abord l'écriture — alphabet latin, cyrillique, grec ou une autre écriture — puis essaie les langues qui s'écrivent avec elle. L'albanais, l'anglais et les autres langues de la région en font partie, et une lettre accentuée lue ressort comme cette lettre, pas comme un point ou un point d'interrogation. La qualité de lecture a été mesurée sur des pages inventées pour quelques langues ; toutes les autres sont lues, pas mesurées.
Un PDF interrogeable en plus
La même lecture peut placer les mots sous l'image de chaque page numérisée, pour que le PDF lui-même puisse être consulté par recherche et copié, l'image restant exactement telle qu'elle était. OCR PDF explique comment.
Extraire le texte d'un PDF maintenant — cela ouvre l'outil, sans rien installer.
L'historique
La lecture ne change rien au fichier que vous déposez. Une copie interrogeable est un nouveau fichier, et son historique indique qu'une couche de texte a été ajoutée, dans quelle langue, ce que chaque page est devenue et combien de mots ont été omis, et que l'image d'origine est préservée. Le texte est conservé avec le fichier dont il a été lu, et supprimé avec lui ou dès que vous supprimez la lecture ; le journal de votre compte indique ce qui a été lu et combien de mots, jamais les mots. Un fichier est lu avec autant de pages que votre formule en permet dans un document, 15 Mo et 50 pages avec la formule gratuite, jusqu'à 100 Mo et 300 pages avec Business, et supprimé au bout de 90 jours, ou dès que vous l'effacez. Le prix d'un téléchargement figure sur la page des tarifs.
Les autres outils
Dernière mise à jour