Aller au contenu principal
PPDF123

Extraire des tableaux d’un PDF en CSV

PDF vers CSV repère les lignes de tableau alignées dans le texte d’un PDF et écrit chaque tableau détecté en fichier CSV ; plusieurs tableaux reviennent dans un ZIP. Il exige une couche de texte et ne renvoie rien pour la prose ou les scans.

Déposez des fichiers ici, ou cliquez pour les choisir

Formats acceptés : PDF · jusqu'à 500.0 MB par fichier · jusqu'à 20 fichiers à la fois

Vous pouvez aussi coller un fichier avec Ctrl/Cmd+V ou depuis le menu du presse-papiers.

PDF vers CSV exécute `pdftotext -layout`, cherche les lignes contenant au moins deux espaces consécutifs, et écrit ces lignes en CSV. Chaque tableau détecté devient un fichier nommé `{base}_pN_tM.csv`. À utiliser sur des PDF électroniques dont les colonnes sont déjà alignées dans le texte extrait.

Un tableau exige au moins deux lignes consécutives qui ressemblent à un tableau. De la prose, un en-tête isolé ou un scan sans couche de texte donnent `no_content` : HTTP 204, aucun fichier. Ce résultat vide est volontaire, pas un échec silencieux.

Un tableau devient un téléchargement `text/csv`. Plusieurs tableaux sont réunis dans un ZIP nommé `{base}_extracted.zip`. Le champ `pageNumbers` de cette page est ignoré ; chaque page est parcourue.

Ce n'est pas de l'OCR. Un scan purement image n'a rien que `pdftotext` puisse lire. L'OCR de ce site renvoie du Markdown, qui ne peut pas être renvoyé ici. Les colonnes se coupent sur des suites de deux espaces ou plus ; un espace seul dans une cellule y reste. Les valeurs sont mises entre guillemets selon la RFC 4180.

PDF vers Excel utilise la même heuristique de mise en page. Excel conserve ces tableaux comme feuilles d'un même classeur. CSV écrit un fichier par tableau. Ni l'un ni l'autre ne reconstruit les cellules fusionnées, les en-têtes colorés ou les feuilles masquées du PDF.

Ouvrez le téléchargement dans un tableur et vérifiez le découpage des colonnes sur quelques lignes. Les tableaux serrés sans double espace tombent souvent dans une seule colonne. Les fichiers protégés par mot de passe sont déverrouillés pour vous sur cette page dès que vous saisissez le mot de passe ; les appels API passent d'abord par Retirer le mot de passe.

L'heuristique des deux espaces est le point clé à comprendre. Le convertisseur ne modélise pas les limites de cellule comme un humain les voit : il traite toute suite de deux espaces ou plus dans le texte à mise en page conservée comme une césure de colonne. Cela marche bien pour les tableaux produits par des générateurs de rapports qui calent les cellules à une largeur fixe, et échoue pour les tableaux réglés avec un seul espace entre les colonnes ou avec des polices proportionnelles qui ne placent qu'un espace entre elles.

Les nombres, les dates et les identifiants sont écrits en texte, pas comme des valeurs typées de tableur. Une colonne de chiffres arrive dans le CSV sous forme de chaînes qui contiennent des chiffres : les zéros de tête sont donc préservés et une date garde le format utilisé par le PDF. Convertissez les types dans le tableur après l'import si vous avez besoin de calculs ou d'un tri par date.

Les tableaux très larges ou très hauts peuvent se poursuivre d'une page à l'autre du PDF, et chaque page est parcourue indépendamment. Un tableau qui continue page 2 devient un second fichier `{base}_pN_tM.csv`. Vous obtenez tous les fragments, mais c'est à vous de les concaténer ; l'outil ne recolle pas un tableau au-delà d'un saut de page.

Le délimiteur est fixé à la virgule et le guillemetage suit la RFC 4180 : une cellule contenant une virgule est donc entourée de guillemets. Aucune option ne permet d'émettre des points-virgules ou des tabulations. Si la locale de votre tableur attend des points-virgules, importez en choisissant explicitement la virgule comme délimiteur plutôt qu'en double-cliquant sur le fichier.

Quand le CSV est vide, le premier réflexe utile est de vérifier si le texte du PDF est réellement sélectionnable. Ouvrez le fichier et essayez de surligner une ligne. Si rien ne se surligne, le fichier est un scan et aucun CSV ne sortira jamais ; l'OCR vers Markdown est l'outil qui vous donnera au moins les mots, mais pas en colonnes.

Fonctions

  • `pdftotext -layout` plus une heuristique de colonnes à double espace
  • Un CSV par tableau, ou un ZIP quand il y en a plusieurs
  • Détection vide : HTTP 204 ; pas d'OCR
  • Valeurs en texte RFC 4180 ; ni inférence de type ni choix de délimiteur
  • API anonyme sur /api/v1/convert/pdf/csv

Quand utiliser cet outil

  • Extraire un tableau de facture électronique vers un tableur
  • Conserver les tableaux de plusieurs pages en fichiers CSV distincts
  • Alimenter un script qui attend du CSV avec des tableaux PDF alignés
  • Extraire une grille tarifaire d'un rapport financier à largeur fixe

Comment extraire un tableau d’un PDF vers CSV ?

  1. Téléversez un PDF dont le texte est déjà sélectionnable en colonnes de type tableau.
  2. Cliquez sur Traiter. Le champ de plage de pages n'est pas lu par le convertisseur.
  3. Si un tableau est trouvé, téléchargez le `.csv`. Si plusieurs, le ZIP. Si aucun, vous obtenez un succès vide.
  4. Ouvrez le CSV et vérifiez le découpage. Un PDF de pure prose ne produira pas de fichier.

Limites et cas limites

  • Nécessite du texte sélectionnable et un écart de deux espaces entre colonnes
  • Pas d'OCR et aucun contrôle de plage de pages fonctionnel
  • Les cellules fusionnées et les styles ne sont pas reconstruits
  • Toutes les valeurs sont du texte non typé ; aucun choix de délimiteur
  • Les tableaux à cheval sur plusieurs pages arrivent en fragments séparés
  • Limite d’envoi sur ce site : 500 Mo par fichier, envoyé par morceaux au-delà d’environ 95 Mo. Le corps d’une requête API directe est limité à 100 Mo.

Exemples

  • Un PDF texte avec une grille de prix à trois colonnes devient souvent un seul CSV de ces colonnes
  • Un relevé bancaire scanné sans couche de texte renvoie HTTP 204
  • Un rapport de cinq pages avec un tableau par page produit un ZIP de cinq fichiers CSV

Confidentialité de cet outil

Les fichiers sont envoyés en HTTPS, traités en mémoire ou dans un répertoire temporaire de courte durée sur nos serveurs, puis supprimés dès que le résultat est prêt. Nous ne conservons pas de copies pour une consultation ultérieure, un entraînement de modèles ou des profils publicitaires. Consultez la politique de confidentialité pour la durée de conservation et les cookies AdSense.

Questions fréquentes

Pourquoi n'ai-je pas de CSV ?
Aucune suite d'au moins deux lignes de type tableau n'a été trouvée. Scans, prose et tableaux sans double espace font échouer l'heuristique. L'API répond 204 `no_content`.
Puis-je faire de l'OCR, puis convertir en CSV ?
Non. L'OCR renvoie du Markdown. Cet outil ne lit un PDF que via pdftotext.
Quelle différence avec PDF vers Excel ?
La détection est identique. CSV écrit un fichier par tableau (un seul CSV, ou un ZIP s'il y en a plusieurs). Excel place chaque tableau dans sa propre feuille d'un même classeur.
La liste de pages de ce formulaire sert-elle à quelque chose ?
Non. pdftotext sépare les pages sur les sauts de page et chacune est parcourue. Il n'y a aucun paramètre de plage de pages.
Pourquoi toutes les colonnes sont-elles dans une seule cellule ?
Le PDF ne mettait qu'un seul espace entre les colonnes, donc la règle des deux espaces ne s'est jamais déclenchée. Réexportez la source avec des colonnes à largeur fixe, ou passez par l'OCR vers Markdown et découpez le texte à la main.
Les nombres sont-ils importés comme des nombres ?
Non. Chaque valeur est du texte brut. Les zéros de tête sont conservés et les dates gardent le format du PDF. Convertissez les types dans le tableur après l'import si vous devez trier ou calculer.
Que se passe-t-il pour un tableau qui s'étend sur deux pages ?
Chaque page est parcourue séparément, donc un long tableau produit plusieurs fragments CSV. Assemblez-les vous-même ; l'outil ne fusionne pas les tableaux au-delà d'un saut de page.

Dernière mise à jour:

Appeler depuis le code

Chaque outil du site est un endpoint REST. L'usage anonyme n'exige ni compte ni clé API. Pour le navigateur, les développeurs et les agents IA.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
  -F "[email protected]" \
  -F "pageNumbers=all" \
  -o output.pdf

Aussi disponible comme outil MCP pour les clients agents qui parlent le Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Référence API complète

L'utiliser depuis un agent IA

Skill

Avec ce skill, Claude Code, Codex, Cursor et d'autres agents IA peuvent exécuter « PDF vers CSV » pour vous : /skills/pdf123-pdf-to-csv.md

Tous les skills pour agents

Les fichiers ne servent qu'à ce traitement, puis sont supprimés automatiquement.