Convertir un PDF en CSV

Extrayez les tableaux d’un PDF vers des fichiers CSV avec le séparateur et l’encodage dont vous avez besoin, pour que le fichier s’ouvre correctement partout où il est importé. S’exécute sur notre serveur ; les fichiers sont supprimés automatiquement sous deux heures environ.

Déposez vos fichiers ici

.pdf · jusqu’à 300 Mo · 30 tâches par heure au maximum · le fichier est envoyé sur notre serveur et supprimé après le traitement ; le résultat est effacé sous deux heures environ

Choisissez des fichiers

AutoLattice (tableaux avec bordures)Stream (tableaux sans bordures)

Plus de réglages

SéparateurEncodageFins de lignePagesLa première ligne est un en-têteFusionner les tableaux avec les mêmes colonnesPrécision minimale80%

Comment extraire en CSV

1
Envoyez votre PDF
Rapport, facture, relevé ou tout document contenant des tableaux, jusqu’à 300 Mo et 200 pages.
2
Choisissez un séparateur et un encodage
Adaptez-les aux besoins de l’outil qui va importer le fichier, qu’il s’agisse d’un import vers une base de données, d’un script ou de Google Sheets.
3
Téléchargez les fichiers CSV
Un fichier par tableau par défaut, regroupés dans une archive dès qu’il y en a plusieurs.

Pourquoi l’encodage compte plus qu’il n’y paraît

Un fichier CSV est du texte brut, et le texte n’a de sens qu’avec un encodage. Le mauvais encodage transforme les lettres accentuées et le cyrillique en symboles illisibles dès l’ouverture du fichier. L’UTF-8 avec BOM est l’option par défaut ici, car Excel traite un simple UTF-8 sans marqueur comme du Windows-1252 et abîme tout ce qui dépasse les lettres latines de base. Le BOM indique clairement à Excel que le texte qui suit est en UTF-8. Un UTF-8 sans BOM et le Windows-1251 sont aussi proposés, pour les outils qui attendent l’un de ces encodages.

Lattice ou Stream, la même détection que PDF en Excel

Cet outil utilise le même moteur de détection de tableaux que PDF en Excel. Lattice lit les tableaux avec des lignes de grille visibles, Stream déduit les colonnes de l’alignement du texte lorsqu’il n’y a pas de lignes, et Auto essaie d’abord Lattice avant de basculer si besoin. Chaque tableau détecté reçoit un score de précision mesuré, et les tableaux en dessous du seuil que vous définissez sont exclus du résultat plutôt qu’exportés sous forme de lignes cassées.

Un fichier par tableau, compressés ensemble s’il y en a plusieurs

Un PDF avec un seul tableau donne un simple fichier CSV. Plusieurs tableaux reviennent sous forme de fichiers séparés dans un même fichier ZIP, nommés par numéro de page et de tableau, pour qu’aucun tableau ne soit fusionné sans votre accord. L’option de fusion des tableaux combine ceux qui ont le même nombre de colonnes en un seul fichier avec une seule ligne d’en-tête, pratique pour un rapport où le même tableau se répète sur plusieurs pages.

Traité sur notre serveur, supprimé automatiquement

La détection de tableaux nécessite un véritable moteur d’analyse de mise en page qu’aucune bibliothèque dans le navigateur ne fournit. Le fichier est donc envoyé sur le serveur pour traitement. Le fichier envoyé est supprimé dès la fin du traitement. Le résultat reste téléchargeable pendant une heure et il est effacé du serveur sous deux heures environ, que vous l’ayez téléchargé ou non. Il n’y a pas d’inscription et rien à effacer à la main.

Questions fréquentes

Pourquoi l’UTF-8 avec BOM est-il important et défini par défaut ?

Excel interprète un fichier UTF-8 simple sans BOM comme du Windows-1252 et transforme les lettres accentuées et le cyrillique en symboles illisibles. Le BOM est quelques octets invisibles au début du fichier qui indiquent clairement à Excel que le texte est en UTF-8, pour une ouverture correcte.

Quelle est la différence entre Lattice et Stream ?

Lattice détecte les tableaux tracés avec des lignes de grille visibles. Stream déduit les colonnes à partir de l’alignement et de l’espacement du texte pour les tableaux sans lignes. Auto essaie d’abord Lattice et bascule sur Stream si nécessaire.

Que signifie le score de précision ?

C’est un score de confiance mesuré pour la qualité de détection de la structure de chaque tableau. Les tableaux en dessous du seuil de précision que vous définissez sont exclus du résultat plutôt qu’exportés sous forme de lignes cassées.

Pourquoi je reçois un fichier ZIP au lieu d’un seul CSV ?

Quand un PDF contient plusieurs tableaux, chacun devient son propre fichier CSV, regroupé dans un ZIP pour qu’aucun tableau ne soit fusionné sans que vous ayez activé la fusion des tableaux.

Comment combiner plusieurs tableaux en un seul fichier ?

Activez la fusion des tableaux. Les tableaux qui ont le même nombre de colonnes sont regroupés dans un seul fichier avec une seule ligne d’en-tête.

Que faire si mon PDF est un scan ?

Un scan n’a pas de couche texte à lire. Exécutez d’abord OCR PDF dessus, puis extrayez les tableaux.

Combien de temps mon fichier est-il conservé sur le serveur ?

Le PDF envoyé est supprimé dès la fin du traitement. Le CSV reste téléchargeable pendant une heure et il est effacé du serveur sous deux heures environ, que vous l’ayez téléchargé ou non.