Aller au contenu principal
PPDF123

Convertir un PDF en texte

PDF vers RTF (texte) extrait le texte qui existe déjà dans un PDF et le renvoie en fichier .txt brut, ou en RTF. Il ne lance pas d’OCR : les scans composés uniquement d’images sortent vides.

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 RTF (texte) extrait les mots déjà présents comme objets texte. Le chemin `txt` par défaut utilise le même extracteur natif que les autres opérations pdf-core (`pdfio::extract_text`) et renvoie du `text/plain`. Il ne lance pas d'OCR et n'appelle pas LibreOffice.

Avec `rtf`, le fichier passe par LibreOffice `writer_pdf_import`. Ce chemin exige `soffice` sur le serveur et reconstruit un document rich text approximatif. Attendez-vous à des substitutions de polices et à des tableaux déformés ; traitez le RTF comme un brouillon.

Un scan composé uniquement d'images donne un `.txt` vide ou quasi vide. L'OCR de ce site renvoie du Markdown, pas un PDF consultable à renvoyer ici.

Il n'y a pas de champ de plage de pages. Chaque page est lue. Les fichiers protégés par mot de passe sont déverrouillés pour vous sur cette page une fois le mot de passe saisi ; via l'API, passez d'abord par Retirer le mot de passe.

Pour des titres et des listes plutôt que du texte brut, PDF vers Markdown est l'outil le plus adapté. Pour des tableaux en lignes, utilisez PDF vers CSV ou PDF vers Excel.

Le fichier de sortie garde le nom de base du fichier envoyé : `minutes.pdf` devient `minutes.txt` ou `minutes.rtf`. Le chemin TXT charge tout le document, demande à l'extracteur toutes les pages en un seul appel et renvoie la chaîne en `text/plain`. Un outputFormat autre que `txt` ou `rtf` est rejeté par une erreur 400 qui liste les deux valeurs autorisées.

Un cas concret : un manuel de procédures de 30 pages, de nature numérique, exporté depuis un traitement de texte. Lancez-le en TXT et ouvrez le résultat dans un éditeur : vous devriez y trouver paragraphes et titres sous forme de lignes de texte, que vous pouvez rechercher ou passer à un script. Un scan du même manuel, enregistré par un copieur à raison d'une image par page, donnerait un fichier vide ou quasi vide, car il n'y a aucun objet texte à lire.

Test rapide de la couche de texte : si vous pouvez sélectionner un mot avec le curseur dans un lecteur, l'extracteur a quelque chose à lire. Sinon, le fichier n'est fait que d'images. Cet outil n'a pas d'OCR ; l'OCR du site renvoie du Markdown, donc pour un scan la voie pratique est d'abord l'OCR, puis de travailler à partir de ce Markdown.

Si la sortie contient les bons mots dans le mauvais ordre, le PDF stocke probablement son texte dans un ordre différent de l'ordre visuel, ce qui est courant avec les mises en page multi-colonnes. Essayez PDF vers Markdown, qui utilise un autre extracteur, ou copiez la page concernée à la main. Si le RTF échoue avec une erreur de dépendance manquante, le serveur n'a pas LibreOffice installé ; utilisez alors TXT.

Fonctions

  • TXT par défaut via extraction native du texte, ni pdftotext ni OCR
  • RTF optionnel via LibreOffice `writer_pdf_import`
  • Lit chaque page ; pas de paramètre de plage de pages
  • API anonyme : /api/v1/convert/pdf/text

Quand utiliser cet outil

  • Verser un rapport à couche de texte dans grep ou un script
  • Obtenir un brouillon RTF approximatif depuis un mémo électronique
  • Vérifier si un PDF a vraiment une couche de texte
  • Récupérer le texte d'un manuel de procédures dans un éditeur pour le comparer à une version plus ancienne

Comment extraire le texte d’un PDF ?

  1. Vérifiez que le PDF a une couche de texte en sélectionnant un mot dans un lecteur ; sinon, passez-le d'abord à l'OCR et utilisez le Markdown obtenu.
  2. Téléversez le PDF et saisissez son mot de passe si la page le demande.
  3. Gardez TXT pour un texte brut dans lequel chercher, ou choisissez RTF seulement si vous voulez un brouillon rich text LibreOffice.
  4. Cliquez sur Traiter et téléchargez le `.txt` ou le `.rtf` ; le nom correspond à celui de l'envoi.
  5. Vérifiez la première et la dernière page par rapport au PDF. Un fichier vide signifie qu'il n'y a pas de couche de texte ; un ordre brouillé signifie que le PDF stocke son texte hors de l'ordre de lecture.

Limites et cas limites

  • Pas d'OCR ; les scans n'extraient presque rien
  • Pas de contrôle de plage de pages
  • TXT ne reconstruit pas l'ordre de lecture visuelle multi-colonnes
  • TXT ne reconstruit ni titres, ni listes, ni tableaux
  • RTF exige LibreOffice sur le serveur et n'est qu'une reconstruction approximative
  • 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 rapport annuel sélectionnable donne en général un long .txt de ses paragraphes
  • Un PDF photo de tableau blanc donne en général un fichier vide ou minuscule
  • Un manuel numérique de 30 pages nommé handbook.pdf se télécharge sous le nom handbook.txt
  • Un outputFormat `docx` envoyé à ce point d'accès renvoie une erreur 400 qui liste txt et rtf

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 le fichier texte est-il vide ?
Le PDF n'a pas d'objets texte que l'extracteur puisse lire. Les scans ont besoin d'OCR vers Markdown ; ce Markdown ne peut pas être renvoyé dans cet outil.
Le TXT est-il identique à un copier-coller depuis le lecteur ?
Proche, mais pas identique. L'ordre suit la façon dont le texte est stocké dans le flux de contenu de la page, ce qui peut différer de l'ordre de lecture visuelle dans les mises en page multi-colonnes.
Quand choisir RTF ?
Seulement si vous voulez que LibreOffice reconstruise un document. TXT est l'extraction directe et n'a pas besoin de soffice.
Polices et mise en page sont-elles conservées ?
TXT est du texte brut. RTF est une reconstruction au mieux, pas une correspondance pixel à pixel.
Puis-je extraire le texte de certaines pages seulement ?
Pas avec cet outil ; chaque page est lue. Passez d'abord par Extraire des pages pour réduire le PDF aux pages voulues, puis convertissez ce fichier.
Quel outil donne des titres et des listes plutôt qu'un texte brut ?
PDF vers Markdown. PDF vers RTF (texte) renvoie le texte sans structure.
Mon PDF scanné a donné un .txt vide. Le fichier est-il cassé ?
Non. Un scan est une image de texte : il n'y a donc aucun texte que l'extracteur puisse lire. L'OCR renvoie du Markdown, que vous pouvez enregistrer et utiliser comme texte.
Quel nom reçoit le fichier téléchargé ?
Le nom de base du fichier envoyé avec `.txt` ou `.rtf` : par exemple `minutes.pdf` devient `minutes.txt`.
Pourquoi le RTF est-il plus lent ou indisponible par rapport au TXT ?
Le RTF passe par LibreOffice sur le serveur. Si ce programme est absent, le RTF échoue avec une erreur de dépendance manquante alors que TXT fonctionne toujours.

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/text" \
  -F "[email protected]" \
  -F "outputFormat=txt" \
  -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 RTF (texte) » pour vous : /skills/pdf123-pdf-to-text.md

Tous les skills pour agents

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