Fonctionnement technique
Charge le tampon binaire de votre PDF dans un Web Worker dédié `pdfjs-dist`, analyse le sélecteur de pages (`all` ou plages comme `1-4, 7`), lit chaque élément texte avec ses coordonnées `(x, y)`, regroupe les mots alignés sur une même ligne (`yTolerance = 3.5`), trie de gauche à droite et met en forme en texte brut ou Markdown.
Mode d’emploi étape par étape
Sélectionnez votre fichier PDF (traité uniquement dans la mémoire du navigateur).
Indiquez au besoin une plage de pages (`all` ou `1-3, 5`) et cliquez sur Ré-extraire.
Choisissez `Texte brut (.txt)` ou `Markdown (.md)` avec ou sans en-têtes de page.
Copiez le texte extrait ou téléchargez directement le fichier `.txt` / `.md`.
Fonctionnalités & performances
- Reconstruction géométrique par ligne de base évitant de mélanger les mots de colonnes adjacentes
- Sélecteur souple prenant en charge pages isolées et intervalles (`1-3, 6, 9-12`)
- Export direct en Texte brut (`.txt`) ou Markdown (sections `## Page N`)
- Affiche immédiatement le nombre de pages et de mots extraits
- Zéro transfert serveur (conforme RGPD) : idéal pour contrats, dossiers médicaux et bilans financiers
Méthodologie, formules & standards
Les jetons texte sont regroupés par proximité verticale `y` dans une tolérance de `3,5` unités PDF puis triés horizontalement selon `transform[4]` (`x`) avant de normaliser les espaces internes.
Cas d’usage courants
- Extraire des clauses précises d’un NDA ou contrat fournisseur pour les analyser localement
- Récupérer des chapitres ciblés d’une documentation technique PDF de plusieurs centaines de pages
- Convertir factures ou reçus PDF sélectionnables en texte pour la comptabilité
- Préparer des extraits de recherche en Markdown pour Obsidian ou Notion
Exemples concrets & cas limites
Selective Page Range Extraction
Pages: `1-2, 5` on a 12-page contract
Extracts only pages 1, 2, and 5 with clear page dividers
Avoids copying boilerplate appendices when you only need key clauses.
Scanned PDF Detection Note
Image-only scanned document page
_No extractable text layer on this page._
If a PDF lacks an embedded text layer, switch to our Batch OCR tool.
Limites & notes de précision
- • Extrait uniquement les couches texte numériques intégrées : les PDF numérisés (images scannées sans OCR) renvoient un texte vide (utilisez notre outil OCR par lots dans ce cas).
- • Les mises en page académiques complexes à colonnes très rapprochées peuvent fusionner deux colonnes alignées horizontalement.
Traitement local dans le navigateur & confidentialité
Les convertisseurs classiques envoient vos documents, extraits ou médias sur des serveurs distants. Extracteur de Texte & Markdown PDF Local s’exécute directement dans votre onglet :
Vos textes et fichiers sont traités localement sans aucun envoi vers un serveur de calcul.
Microdeck n’enregistre ni ne stocke les fichiers ou données collés dans les outils.
Les résultats restent dans la mémoire de votre onglet et sont libérés dès que vous le fermez.
Questions fréquentes (FAQ)
Pourquoi un PDF scanné renvoie-t-il un texte vide ?
Un PDF scanné stocke des images plates de pages plutôt que des glyphes de caractères sélectionnables. Utilisez l’outil OCR par lots hors ligne de Microdeck pour reconnaître le texte de scans.
Mon PDF confidentiel est-il envoyé vers Cloudflare ou une API externe ?
Non. `pdfjs-dist` lit les octets uniquement dans un Web Worker local isolé au sein de votre navigateur.
Puis-je extraire seulement quelques pages au lieu du PDF entier ?
Oui. Saisissez une plage comme `1-3, 5` dans le champ Pages puis cliquez sur Ré-extraire.
Quelle différence entre l’export `.txt` et `.md` ?
`.txt` utilise des séparateurs `=== Page N ===`, tandis que `.md` ajoute des titres Markdown `## Page N` et mentions de pages vides.
Outils associés à découvrir
Inspecteur & Nettoyeur de Métadonnées PDF
Affichez Auteur, Créateur, Producteur et flux XMP cachés dans un PDF — modifiez ou effacez hors ligne
Convertisseur Image & PDF Scanné en Texte (OCR Gratuit)
Extrayez le texte modifiable de vos PDF scannés et photos en toute confidentialité
Compteur de Mots, Graphèmes, Octets UTF-8 & Lisibilité
Comptez mots, graphèmes Intl.Segmenter, octets UTF-8, temps de lecture/parole, mots-clés et score Flesch-Kincaid