EZPZ FileDéposez un PDF et les valeurs qui forment des colonnes comme un tableau sont réparties en cellules. Chaque page devient sa propre feuille : vous ne perdez jamais de vue d’où vient un chiffre.
Sans envoi
PDF à convertir
Le PDF doit contenir du vrai texte. Un PDF numérisé est une photo de la page : il n’y a rien à extraire. Les fichiers s’ouvrent dans ce navigateur et ne sont jamais envoyés.
L’ordre de lecture, les paragraphes et les tableaux sont repris. La position exacte sur la page, non. Un PDF n’enregistre jamais ce qui était un paragraphe ou un tableau : les deux sont reconstitués à partir de l’emplacement des caractères.
Les images, tampons et signatures imprimés sur la page sont aussi repris. Flottant au-dessus des cellules, ils gêneraient les calculs : ils sont donc regroupés sous les données de chaque feuille.
Un PDF numérisé contient des photos et non du texte, il n’y a donc rien à convertir. Déposez-le et l’outil vous le dira.
Les pages ne sont pas collées entières comme des images. Ce que vous téléchargez s’ouvre comme un document modifiable dans Word ou Excel.
Plus le document est tabulaire, meilleur est le résultat. Plusieurs à la fois ne pose pas de problème.
L’endroit où se posent les caractères détermine où commence et où finit chaque tableau.
Il s’ouvre dans Excel ou Google Sheets, prêt pour vos calculs.
Les tableaux des PDF n’ont très souvent aucun filet autour d’eux. Là où il y en a, ces filets sont tracés sur une couche différente du texte, invisibles pour tout ce qui en extrait les mots. C’est pourquoi les approches fondées sur la détection des filets échouent si souvent.
C’est donc la position qui est lue. Dans une ligne, un écart bien plus large qu’une espace entre deux mots marque une frontière de cellule, et lorsque ces écarts se tiennent à la même position horizontale sur plusieurs lignes consécutives, ce bloc est un tableau. Trois lignes constituent le minimum. Les blocs de deux lignes sont le plus souvent un titre avec une date repoussée à droite, et en faire un tableau complique la lecture au lieu de la simplifier.
Une cellule vide ne laisse aucune trace dans le fichier, puisqu’il n’y a jamais eu de caractère à cet endroit. Enchaîner les cellules dans l’ordre décalerait tout d’un cran : chaque cellule tombe donc dans la colonne la plus proche et le reste est laissé vide.
Quand les tableaux sont répartis sur plusieurs pages, les empiler dans une seule feuille fait perdre de vue de quelle page venait un chiffre. Chaque page devient donc sa propre feuille, nommée d’après son numéro.
Les lignes qui ne font pas partie d’un tableau sont conservées elles aussi, une par ligne. Jeter le titre qui surmontait le tableau, ou la note indiquant l’unité des chiffres, vous laisse des nombres sans moyen de les lire. Les images et les tampons imprimés sur la page passent également, rassemblés sous les données de chaque feuille afin de ne pas flotter au-dessus des cellules et gêner les calculs.
Un PDF obtenu en photographiant du papier ou en le passant dans un scanner de bureau contient une seule image par page. Vos yeux voient des lettres, le fichier n’en contient aucune. Il n’y a rien à extraire, donc rien à reconstituer.
L’outil le dit franchement plutôt que de vous remettre un fichier vide. Si seules certaines pages sont des scans, il indique quels numéros de page sont revenus vides. Lire du texte dans une image n’est pas ce que fait cet outil.
Toute la conversion se déroule dans ce navigateur. Lire le PDF et écrire le nouveau document sont faits par du code qui tourne sur votre appareil. Il n’existe aucune étape d’envoi.
Vous pouvez le vérifier. Ouvrez l’onglet réseau des outils de développement (F12) puis lancez une conversion : soit une requête d’envoi de la taille de votre fichier apparaît, soit elle n’apparaît pas.
Non. La lecture du PDF et l’écriture du classeur se déroulent dans ce navigateur.
Oui, une ligne par rangée dans la première colonne. Jeter le titre au-dessus du tableau, ou l’unité dans laquelle les chiffres sont exprimés, laisserait des nombres que personne ne peut interpréter.
Cela vient de ce qu’une cellule vide ne laisse aucune trace dans le PDF. Faire tomber chaque cellule dans la colonne la plus proche réduit beaucoup le problème, mais des tableaux aux colonnes très rapprochées peuvent encore ressortir décalés.
Les cellules fusionnées ne passent pas. La valeur d’un bloc fusionné atterrit dans la colonne simple la plus proche.
Un PDF n’enregistre pas si une valeur est un nombre ou un libellé : elle est donc stockée telle qu’elle apparaît. Les séparateurs de milliers et les symboles monétaires font qu’Excel la lit comme du texte. Changer le format de la cellule dans Excel règle la question.
Non. Un scan est une image de la page et n’a aucun texte à extraire.
Un PDF de rapport contient un tableau et vous devez calculer à partir de ces chiffres. Vous le sélectionnez, le copiez, le collez dans Excel, et toutes les valeurs atterrissent dans une seule cellule de la colonne A. Vous finissez par le retaper à la main.
Vous convertissez un PDF en Word et le tableau ressort de travers. Vous en concluez que le convertisseur est mauvais, vous en essayez un autre, et le résultat est à peu près le même. Certains problèmes ne disparaissent pas en changeant d’outil.