Icaunux - Le Forum

Forum de l'Association ICAUNUX

Vous n'êtes pas identifié(e).

Annonce

Les Inscriptions au forum sont temporairement désactivées en attendant de trouver une solution efficace contre les inscriptions fictives très nombreuses ces derniers temps. Si vous souhaitez vous inscrire sur le forum, merci d'envoyer une demande par mail à l'adresse contact@icaunux.org. Désolé de cette gène occasionnée.

#1 16-10-2014 13:26:01

wanica
Membre
Inscription : 13-11-2008
Messages : 2 070

[pdf] extraire le texte d'un pdf et le formater en odt

SOURCE
Document pdf complexe tableaux images, plus de 500 pages
Mal formaté.

BUT: passer en texte, pas le txt ( pauvre en formatage), mais du texte plus "riche" odt c'est bien.

Pas d'utilitaire performant dans les dépôts, ceux en ligne sont mauvais.

1 / Passage obligatoire par le HTML avec pdftohtml
c'est mieux ( plus simple) si nautilus_extensions est installé. car cela permet  depuis l'explorateur d'ouvrir le terminal ( car on fait le boulot en console)  - clic droit ouvrir dans le terminal

puis vous entrez la commande ( pas besoin d'être admin)
    pdftohtml <nom_fichier.pdf> <nom_fichier.html>


Le résultat
donne fichier.html fichiers.html, fichier-ind.html et x fichiers png avec le numéro de la page d' origine, et si plusieurs images par page, un incrément -n

C'est fichiers.html qui nous intéresse.

2/ Ouvrir le html avec un navigateur

rem: Pas testé avec firefox; mais OPERA: clic droit ouvrir avec opera  / afficher décocher images

3/
ensuite sélectionner le texte et le copier, puis le coller dans votre document odt créé pour l' occasion.

Il ne restera qu'à régler les soucis de retours à la ligne intempestifs, ainsi que les éventuelles coupures de mot devenues inutiles suite au reformatage de chaque ligne.

cf le post immédiatement précédent dans cette section...

AVANTAGES:
vous pourrez visualiser les images dans l'explorateur de fichiers avec evince et lancer même un diaporama.

ou tout simplement explorer toutes ces images depuis l' explorateur ( ctrl + pour grossir les vignettes.)

Hors ligne

Pied de page des forums