Fonctionne sur votre appareil · Votre fichier ne quitte jamais votre appareil.
Un PDF scanné est une pile d’images – voilà pourquoi on ne peut ni sélectionner ni rechercher son texte, et pourquoi sa conversion en Word revient vide. L’outil lit les caractères dans l’image de chaque page et vous rend du vrai texte.
Chaque page est d’abord rendue en haute résolution, puis reconnue, avec une progression affichée page par page. Un long document prend du temps : la reconnaissance travaille réellement sur votre appareil, au lieu d’attendre son tour sur un serveur.
Quinze langues sont prises en charge, dont le français avec ses accents et sa cédille, l’anglais, l’arabe et les documents qui mêlent arabe et anglais ; l’arabe garde son sens de droite à gauche dans l’aperçu comme dans l’export Word.
Ne convient pas pour : L’écriture manuscrite – la reconnaissance est fiable sur du texte imprimé, beaucoup moins sur des notes écrites à la main.
Chaque page est d’abord dessinée comme une image à 216 points par pouce, telle qu’un lecteur PDF l’affiche : une page qui porte une indication de rotation est donc lue à l’endroit. Une page dont le scan lui-même est couché est lue telle quelle et donne du charabia ; tournez d’abord ces pages avec /rotate-pdf. Les très grandes pages, autour de l’A2 et au-delà, sont dessinées à une résolution plus basse pour rester dans ce qu’un navigateur peut tenir en une seule image.
Chaque page est lue à partir de son image, y compris les pages qui contiennent déjà du vrai texte. Pour un document en partie saisi et en partie scanné, les pages saisies sortent à l’identique par /pdf-to-text, alors que la reconnaissance peut mal lire un caractère.
Chaque page est dessinée, lue puis libérée avant que la suivante soit dessinée : un long scan demande à peu près autant de mémoire qu’une seule page. La barre avance un peu pendant le chargement du moteur de reconnaissance, puis page par page, avec en dessous le nom de la page en cours de lecture.
« Annuler » s’arrête à la page en cours de lecture et garde le texte des pages déjà terminées : une ligne indique combien de pages ont été lues sur combien, et la copie ainsi que les téléchargements TXT et Word contiennent ces pages. Plusieurs PDF, et des photos de pages, peuvent être ajoutés ensemble ; ils sont lus l’un après l’autre en une seule opération.
Le résultat est du texte, pas un nouveau PDF : le fichier scanné reste un ensemble d’images. Quand plusieurs pages sont lues, le texte de chacune commence par une ligne comme --- scan.pdf — page 3 ---, écrite dans la langue de la page que vous utilisez, pour retrouver d’où vient un passage. Le fichier Word porte le nom du PDF, et chaque page se trouve sous son propre titre, à la suite les unes des autres plutôt que sur des pages séparées.
Sur cette page, la liste « Langue du texte » démarre sur « Français ». Si le document est écrit dans une autre langue, choisissez-la avant de cliquer sur « Extraire le texte ».
Cette page dans d’autres langues: English · العربية · Deutsch · Español · Русский · Português · 中文 · हिन्दी · Türkçe · עברית · فارسی · اردو · Bahasa Indonesia · বাংলা