OCR PDF

Rendre un PDF consultable et copiable.

Comment ça marche :

  • Extraire le texte : Utilise Tesseract OCR pour reconnaître le texte des images numérisées ou des PDF.
  • Sortie interrogeable : Crée un nouveau PDF avec une couche de texte invisible, rendant votre document entièrement consultable tout en préservant son apparence d'origine.
  • Filtrage des caractères : Utilisez les listes blanches pour filtrer les caractères indésirables et améliorer la précision pour des types de documents spécifiques (factures, formulaires, etc.).
  • Prise en charge multilingue : Sélectionnez plusieurs langues pour les documents contenant un contenu multilingue.

Cliquez pour sélectionner un fichier ou glissez-déposez

Vos fichiers restent sur votre appareil.

Comment ça marche

1

Télécharger le fichier

Cliquez ou glissez votre fichier ici

2

Processus

Cliquez sur le bouton de traitement

3

Télécharger

Enregistrez votre fichier traité instantanément

Outils PDF associés

Fusionner un PDF

Outil de fusion PDF en ligne gratuit

Compresser un PDF

Outil de compression PDF en ligne gratuit

Fractionner un PDF

Outil de fractionnement de PDF en ligne gratuit

Modifier le PDF

Outil d'édition de PDF en ligne gratuit

Faire pivoter le PDF

Outil de rotation PDF en ligne gratuit

Questions fréquemment posées

Comment savoir si mon PDF nécessite une OCR ?

Ouvrez le fichier dans n'importe quelle visionneuse et essayez de sélectionner une ligne de texte. Si rien ne met en évidence ou si la recherche ne trouve aucune correspondance, les pages ne sont que des images (une numérisation ou une photo) et l'OCR ajoute le texte manquant. Un PDF contenant déjà du texte sélectionnable n'a pas besoin de cet outil.

Quelles langues peut-il reconnaître ?

Plus de 100 packs de langues Tesseract sont répertoriés, de l'anglais et de l'espagnol à l'arabe, l'hindi, le japonais et le chinois. Cochez chaque langue qui apparaît dans le document ; les packs sont chargés ensemble afin que les pages multilingues soient reconnues en un seul passage. Certains déploiements auto-hébergés regroupent une liste plus courte et l’indiquent au-dessus du sélecteur de langue.

L'OCR change-t-elle l'apparence de mon document ?

Non. Les pages originales sont copiées telles quelles et un calque de texte invisible est dessiné sur le dessus, positionné mot par mot pour correspondre à la numérisation. Vous voyez la même image qu’avant, mais vous pouvez désormais rechercher, sélectionner et copier le texte.

Quel paramètre de résolution dois-je utiliser ?

Élevé (288 DPI) est la valeur par défaut et gère les documents bureautiques typiques. Passez à Standard (192 DPI) lorsque la vitesse est importante ou que le fichier est long, et utilisez Ultra (384 DPI) pour les petits caractères, les notes de bas de page ou les numérisations de mauvaise qualité. Des paramètres plus élevés prennent sensiblement plus de temps puisque chaque page est rendue à cette taille avant la reconnaissance.

À quoi sert la liste blanche des personnages ?

Il limite la sortie à un jeu fixe de caractères, ce qui réduit les erreurs telles qu'un l minuscule lu comme un 1. Le préréglage Facture n'autorise que les chiffres et les symboles $ . , / - # :, Numéros Convient uniquement aux numéros de série ou aux relevés de compteurs, et Personnalisé vous permet de saisir votre propre ensemble.

Peut-il lire l'écriture manuscrite ?

Pas fiable. Tesseract est formé sur du texte imprimé, donc des majuscules soignées fonctionnent parfois, mais les cursives produisent principalement du bruit. Les résultats sont meilleurs sur des pages imprimées propres et bien éclairées ; l'option Binariser aide avec les numérisations estompées ou à faible contraste, et Redressement PDF redresse d'abord ceux qui sont inclinés.

Puis-je obtenir uniquement le texte reconnu au lieu d'un PDF ?

Oui. Une fois l'OCR terminé, le texte extrait apparaît dans une zone où vous pouvez le consulter, le copier dans le presse-papiers ou le télécharger sous ocr-text.txt. Le téléchargement PDF consultable est séparé, vous pouvez donc prendre l'un ou les deux.

L'OCR télécharge-t-il mes numérisations sur un serveur ?

Non. Tesseract s'exécute en tant que WebAssembly dans votre navigateur ; les seuls téléchargements sont le moteur OCR et les modules linguistiques que vous avez sélectionnés, récupérés la première fois que vous en avez besoin. Les pages numérisées et le texte reconnu restent sur votre appareil.