Texte sélectionnable et image scannée sont différents
Certains PDF conservent des codes de caractères et leurs correspondances avec des glyphes. D'autres ne contiennent que des photographies de pages, sans texte recherchable tant qu'une reconnaissance optique des caractères (OCR) n'a pas été effectuée.
Cette fonction enregistre le texte intégré qu'elle peut lire. Elle ne reconstitue ni polices, ni colonnes, ni tableaux, ni illustrations ou mise en page comme un traitement de texte.
Contrôlez le texte obtenu
Les PDF complexes peuvent stocker les caractères dans un ordre différent de la lecture. Si noms et colonnes se mélangent, utilisez une extraction tenant compte de la mise en page ou un OCR approprié.
- Ouvrez le PDF et assurez-vous que les caractères peuvent être sélectionnés.
- Dans Convertir le PDF, choisissez l'exportation de toutes les pages en TXT.
- Ouvrez le fichier et examinez les retours à la ligne, les caractères et leur ordre; corrigez-les au besoin.
- Ne comptez pas sur le TXT pour conserver les signatures, images, polices ou la disposition des pages.