PDF en texte — extraire le texte d'un PDF, sans envoi

Extraire le texte d'un PDF (copier ou télécharger en .txt)

Mis à jour le 15 octobre 2026

Ajoutez un PDF ci-dessous et son texte apparaît dans le cadre, ligne par ligne, tel qu'il figure sur la page. Copiez-le ou téléchargez-le en fichier .txt. Les options ajoutent un en-tête par page et recollent les mots coupés par une césure en fin de ligne. Le texte est lu par PDF.js dans la mémoire de votre navigateur ; le fichier n'est jamais envoyé.

Fonctionne entièrement dans votre navigateur — vos fichiers ne sont jamais envoyés nulle part.

Comment extraire le texte d'un PDF

Ajoutez le PDF. Touchez Choisir un PDF ou déposez le fichier sur la page. S'il est protégé par mot de passe, saisissez-le et touchez Ouvrir.
Laissez-le lire les pages. Les éléments de texte de chaque page sont lus et reconstruits en lignes à partir de leurs positions. Une barre de progression indique la page en cours.
Ajustez la sortie. Cochez Une page par section pour obtenir un en-tête au-dessus de chaque page, et Supprimer les césures pour recoller les mots coupés en fin de ligne. Le cadre se met à jour immédiatement.
Copiez ou téléchargez. Touchez Copier le texte pour le placer dans le presse-papiers, ou Télécharger en .txt pour enregistrer un fichier texte brut portant le nom du PDF.

Ce qu'il fait

Extrait toute la couche de texte d'un PDF, en conservant les sauts de ligne et les espaces entre paragraphes tels qu'ils apparaissent sur la page
Une page par section : ajoute un en-tête « Page 3 sur 12 » au-dessus du texte de chaque page
Supprimer les césures : recolle les mots coupés en fin de ligne (docu- / ment → document)
Copie dans le presse-papiers d'un geste, ou téléchargement en fichier .txt UTF-8
Vous prévient quand un PDF n'a pas de couche de texte (un scan) et renvoie vers l'outil OCR au lieu de rendre un fichier vide
Fonctionne entièrement sur votre appareil : la seule requête réseau récupère la bibliothèque open source PDF.js

Que extrait l'outil ?

Une page PDF est une liste d'instructions de dessin. Quand le fichier a été produit à partir d'un document numérique (un fichier Word, une page web, un e-mail), ces instructions comprennent une couche de texte : les caractères eux-mêmes et la position de chaque morceau sur la page. PDF.js lit cette couche et la rapporte sous forme d'éléments de texte positionnés (son API getTextContent). Cet outil reconstruit des lignes lisibles à partir de ces éléments et vous donne le résultat en texte brut. Si le PDF est un scan, il n'y a pas de couche de texte et rien à extraire ; l'outil le dit et vous envoie vers l'OCR au lieu de vous remettre un fichier vide.

Comment les lignes sont-elles reconstruites ?

Règle	Ce qu'elle fait	Pourquoi
Même ligne de base → même ligne	Les éléments de texte dont la position verticale diffère de moins de la moitié de la hauteur du glyphe sont réunis en une ligne, de gauche à droite	Les générateurs de PDF découpent une ligne en de nombreux éléments (par mot, par changement de police, par paire de crénage)
Écart → espace	Un écart horizontal supérieur à un quart de la hauteur du glyphe entre deux éléments devient une seule espace	Beaucoup de PDF ne stockent jamais de caractères d'espace ; l'écart est le seul indice
Grand écart vertical → ligne vide	Un écart de plus de 1,6 hauteur de ligne entre deux lignes insère une ligne vide	Garde les paragraphes et les titres visiblement séparés
Une page par section (option)	Ajoute un en-tête `===== Page n of N =====` avant chaque page, pages vides comprises	Permet de retrouver un passage dans l'original
Supprimer les césures (option)	Réunit docu- + saut de ligne + ment en document quand les deux côtés sont des lettres minuscules ; supprime les traits d'union conditionnels en fin de ligne	Le texte justifié est plein de traits d'union de fin de ligne qui ne font pas partie du mot

Quand le texte brut est-il la bonne sortie ?

Pour coller une clause de contrat, une lettre ou une citation dans un e-mail, une note ou un champ de recherche.
Pour fournir un document à un outil de traduction, un lecteur d'écran ou un script d'analyse de texte.
Pour garder une copie interrogeable à côté de l'original, ou vérifier ce que l'OCR d'un scanner a réellement reconnu.
Pour compter et citer : le compteur de mots PDF donne les chiffres ; cet outil donne les mots.

Si vous avez besoin de la mise en page, utilisez le PDF lui-même ou convertissez les pages en images avec PDF en JPG. Si vous devez retirer quelque chose avant de partager, Caviarder un PDF supprime le texte en dessous, pas seulement l'encre.

Quelles sont les limites ?

Couche de texte uniquement. Un scan sans OCR ne donne rien ; un scan avec OCR donne la sortie de l'OCR, erreurs comprises.
L'ordre de lecture est géométrique : de haut en bas, de gauche à droite. Les pages à plusieurs colonnes et les tableaux peuvent s'entremêler.
Les valeurs des champs de formulaire, les commentaires, les annotations, les signets et les fichiers joints ne font pas partie du texte de la page et ne sont pas extraits.
Les polices dont la correspondance Unicode est cassée ou absente (certains vieux générateurs de PDF, certaines polices de symboles) ressortent en caractères illisibles ; c'est un défaut du fichier, et la commande copier d'un lecteur PDF montre la même chose.
Aucune mise en forme ne survit : gras, italique, couleurs, liens et images sont abandonnés.

Questions fréquentes

Mon PDF est-il envoyé quelque part ?

Non. PDF.js, le moteur de rendu open source intégré à Firefox, ouvre le fichier dans cet onglet de navigateur et rapporte les éléments de texte de chaque page. La seule requête réseau récupère cette bibliothèque. Le cadre de texte, le presse-papiers et le téléchargement .txt sont tous locaux.

Pourquoi le cadre est-il vide ou indique-t-il que le PDF semble scanné ?

Un PDF scanné est une photo de chaque page. Il n'y a pas de couche de texte à extraire, seulement des pixels. L'outil le détecte (aucun texte sur aucune page) et vous oriente vers l'outil image vers PDF interrogeable, qui exécute un OCR dans le navigateur et ajoute une couche de texte que vous pourrez ensuite extraire ici.

Comment les sauts de ligne sont-ils décidés ?

Les fichiers PDF ne stockent pas de lignes, seulement des morceaux de texte positionnés. L'outil regroupe les morceaux qui partagent une ligne de base en une seule ligne, les ordonne de gauche à droite, insère une espace là où il y a un écart visible, et insère une ligne vide là où l'écart vertical dépasse environ une ligne et demie. Cela reproduit bien les paragraphes ordinaires ; les tableaux et le texte en colonnes peuvent ressortir entremêlés.

Que fait exactement Supprimer les césures ?

Il recolle un mot terminant une ligne par un trait d'union au mot en minuscules qui commence la suivante : « docu- » suivi de « ment » devient « document ». Il n'agit que lorsque les deux côtés sont des lettres minuscules, si bien que les noms comme Jean-Paul, les codes comme COVID-19 et un tiret en fin de phrase sont laissés intacts. Les traits d'union conditionnels en fin de ligne sont toujours supprimés.

Pourquoi l'ordre est-il faux sur certaines pages ?

Les pages à plusieurs colonnes, les encadrés, les tableaux et le texte habillant des images sont disposés en deux dimensions, et l'outil lit de haut en bas par ligne de base. Deux colonnes à la même hauteur deviennent une seule longue ligne. Pour ces pages, copiez le texte depuis un lecteur PDF doté d'une sélection par colonne, ou divisez d'abord la page.

Conserve-t-il le gras, l'italique, les titres ou les liens ?

Non. La sortie est du texte brut (.txt) : pas de polices, de tailles, de couleurs, de liens ni d'images. Les titres gardent leur ligne et la ligne vide qui les suit, ce qui suffit généralement à voir la structure.

Et les PDF protégés par mot de passe et les gros fichiers ?

Les fichiers qui exigent un mot de passe à l'ouverture le demandent ; le mot de passe est transmis à PDF.js, qui déchiffre en mémoire. Les pages sont lues une par une et libérées avant la suivante, les longs documents fonctionnent donc, mais un livre de 1 000 pages prend un moment sur un téléphone et le cadre de texte lui-même devient lourd au-delà de quelques mégaoctets : téléchargez plutôt que de faire défiler.