Puis-je copier le texte d’un PDF numérisé ?
Oui. Choisissez le fichier et la langue, et appuyez sur Extraire le texte / OCR. Les pages qui ne sont que des images sont lues par OCR, et le texte apparaît dans la zone pour être copié. La reconnaissance peut faire des erreurs, donc vérifiez le résultat par rapport à la page.
Mon PDF est-il envoyé à un serveur ?
Non. Le PDF est ouvert et lu dans votre navigateur. Le moteur d’OCR et le fichier de langue sont chargés depuis les propres fichiers de ce même site la première fois qu’ils sont nécessaires. Le contenu de votre PDF n’est envoyé nulle part.
Quelles langues peut-il lire ?
Il en propose 16 : anglais, espagnol, français, allemand, portugais, arabe, chinois simplifié, japonais, coréen, hindi, bengali, russe, ourdou, turc, vietnamien et indonésien. Vous en choisissez une pour chaque exécution, donc une page contenant deux langues est mieux traitée en exécutions séparées.
Pourquoi dois-je choisir une langue ?
Le moteur de lecture utilise un fichier de langue pour savoir quelles lettres et quels mots attendre. Un mauvais choix donne de mauvais résultats, comme des accents perdus. La langue ne compte que pour les pages numérisées, car le vrai texte est copié tel quel.
Pourquoi la première exécution a-t-elle été lente ?
À la première page numérisée, le navigateur doit télécharger le moteur d’OCR, quelques mégaoctets, et le fichier de langue, qui pèse environ 0.4 à 2 MB selon les langues proposées. La page indique que votre navigateur garde le fichier, donc les exécutions suivantes sont plus rapides tant que le cache n’est pas vidé.
Comment l’outil décide-t-il qu’une page nécessite l’OCR ?
Il essaie d’abord de lire le texte stocké dans chaque page. Si une page contient plus de 20 caractères de texte sélectionnable, ce texte est utilisé. Sinon, la page est dessinée comme une image et lue par OCR. Si toutes les pages ont du texte, aucun OCR ne s’exécute et aucun fichier de langue n’est chargé.
Crée-t-il un PDF dans lequel on peut rechercher ?
Non. Il vous donne du texte brut à copier, et votre PDF d’origine n’est pas modifié. Si vous avez besoin d’un PDF avec une couche de texte cachée, il vous faut un autre outil.
Pourquoi certaines pages ressortent-elles sur une seule longue ligne ?
Les pages qui ont déjà leur propre texte sont lues élément par élément et réunies avec des espaces, leurs sauts de ligne ne sont donc pas conservés. Les pages lues par OCR gardent les sauts de ligne que le lecteur a trouvés dans l’image.
Quelle est la précision du résultat ?
Cela dépend du scan. Une impression nette, grande et droite dans la bonne langue se lit bien. Les petits caractères, l’encre pâle, l’écriture manuscrite, les colonnes et les tableaux sont plus souvent erronés. Relisez toujours les noms, les dates et les nombres avant d’utiliser le texte.
Y a-t-il une limite au nombre de pages ou à la taille du fichier ?
Le fichier peut compter au maximum 120 pages au total. Le code de la page ne fixe aucune limite de taille en mégaoctets, mais les gros fichiers demandent plus de mémoire sur votre appareil et prennent plus de temps, car les pages sont lues l’une après l’autre.
Comment enregistrer le texte dans un fichier ?
Appuyez sur Télécharger le TXT pour enregistrer un fichier de texte brut, ou sur Copier le texte et collez-le dans un éditeur. La case Texte extrait est en lecture seule, vous ne pouvez donc pas y modifier le texte. Chaque page commence par une ligne comme --- Page 1 ---, que vous pouvez supprimer dans votre éditeur.
Peut-il lire l’écriture manuscrite ou des tableaux ?
Pas de façon fiable. Le moteur de lecture est conçu pour le texte imprimé. L’écriture manuscrite est souvent mal lue, et les tableaux ressortent en lignes de texte brut sans leurs lignes ni colonnes. Utilisez le résultat comme un brouillon que vous corrigez à la main.
Comment utiliser « OCR et extraction de texte PDF » ?
Extrayez le texte d’un PDF ou reconnaissez celui des pages numérisées. Choisissez un fichier, traitez-le localement et téléchargez une nouvelle copie.
Mes données sont-elles envoyées à un serveur ?
Non. Le traitement s’effectue dans votre navigateur et vos données ne sont pas envoyées.