Pourquoi le texte d’un PDF ne se sélectionne-t-il pas ?
Des lettres visibles ne sont pas toujours du texte sélectionnable. Un PDF peut contenir une image de page, des lettres dessinées ou du texte dont les informations de caractères sont incomplètes. Identifiez la cause avant de choisir une opération.
Vérifier si la page est une image
Essayez de sélectionner un mot ordinaire, puis de rechercher une phrase visible. Si les deux échouent, la page peut être un scan contenant uniquement une image. Un fort agrandissement peut révéler des pixels, mais l’apparence seule ne suffit pas au diagnostic. Certains scans possèdent déjà une couche de texte invisible : testez plusieurs pages.
La documentation OCR d’Adobe explique comment la reconnaissance optique des caractères analyse les scans et ajoute du texte que l’on peut rechercher et sélectionner. Vérifiez noms, nombres et petits caractères : la reconnaissance peut se tromper. Conservez l’original.
Les lettres peuvent être des formes
Un logiciel de mise en page peut convertir le texte en contours, transformant les caractères en tracés. La page reste lisible, mais ses lettres se comportent comme des éléments graphiques lors de la sélection. Adobe décrit cette conversion et précise que le texte d’origine ne peut ensuite plus être modifié.
Demandez un nouvel export depuis la source modifiable en conservant le texte. Sans cette source, l’OCR peut aider à retrouver les mots, mais vérifiez le résultat. La compression ne reconstitue pas avec certitude la formulation initiale à partir des contours.
Un texte sélectionnable peut mal se copier
Si une ligne se sélectionne mais donne des caractères incorrects après collage, leur correspondance peut être en cause. Afficher un glyphe et connaître son caractère Unicode sont deux opérations distinctes. La référence PDF d’Adobe décrit notamment ToUnicode, qui aide les logiciels d’extraction à interpréter les codes enregistrés.
Essayez une courte copie dans un autre lecteur. Si le problème persiste, demandez un nouvel export du document source. Comparez tout texte récupéré avec la page visible, surtout les montants, les lettres accentuées et les symboles techniques.
Contrôler les autorisations de copie
Du vrai texte peut aussi être protégé contre la copie. Les instructions d’Adobe Reader renvoient à l’onglet Sécurité et au résumé des restrictions du document. Un échec de copie ne prouve donc ni que le fichier est un scan, ni que son texte est endommagé.
Consultez les autorisations indiquées et demandez au propriétaire une copie autorisée si nécessaire. Ces restrictions ne sont pas un défaut de compression. Si vous devez seulement lire le document, l’accès permis peut déjà répondre à votre besoin.
Choisir l’opération adaptée
Pour alléger un scan, consultez le guide des PDF numérisés. Pour les bases, lisez ce que contient un PDF. La compression PDFThin réduit la taille ; elle ne fournit pas d’OCR et ne promet pas de réparer l’extraction.
Après une conversion, ouvrez la copie et testez sélection, recherche et collage. Comparez les informations importantes avec l’original avant l’envoi. Un texte dans lequel on peut effectuer des recherches ne garantit ni l’accessibilité complète du document ni l’exactitude de chaque mot reconnu.
Un court contrôle pour décider quoi faire
Notre page de texte et sa copie dont la correspondance des caractères était volontairement fausse avaient le même aspect, mais donnaient des caractères différents à l’extraction. Le scan sans couche texte ne donnait aucun mot. Ces exemples artificiels montrent que l’aspect et un seul échec de copie ne suffisent pas.
- Le lecteur signale une restriction de copie : vérifiez les paramètres de sécurité et demandez une copie autorisée au propriétaire.
- Sur plusieurs pages, aucun mot ne peut être sélectionné ou trouvé, alors que la copie est autorisée : un contenu uniquement composé d’images est une possibilité. Utilisez un outil OCR séparé si nécessaire, puis comparez les mots reconnus avec la page.
- Le texte se sélectionne mais se colle mal : comparez un court extrait dans un autre lecteur et demandez un nouvel export depuis la source si le problème persiste.
Un document peut mélanger des pages images et des pages texte. Les lecteurs ne traitent pas tous les autorisations et les correspondances de caractères de la même façon. Ces contrôles ne couvrent pas toutes les causes. PDFThin ne fournit pas d’OCR et ne promet pas de réparer ces correspondances.