PDF en Excel

Comment utiliser l'outil PDF en Excel

Principales fonctionnalités de l'outil PDF en Excel

À propos de l'outil PDF en Excel

PDF en Excel lit le texte de chaque page avec pdf.js, le regroupe en lignes par ligne de base, et découpe chaque ligne en cellules partout où l'espace entre deux segments de texte est plus large qu'environ neuf dixièmes de la taille de la police. Les positions de départ de toutes les cellules d'une page sont regroupées en positions de colonnes, et chaque cellule est placée dans sa colonne la plus proche. Une valeur correspondant à un nombre simple, comme 1,234.50 ou -7, est écrite comme une cellule numérique ; tout le reste est du texte. Dans un fichier de plusieurs pages, les lignes de chaque page sont précédées d'une ligne Page N.

Il est utile pour extraire d'un PDF une liste de prix, un relevé bancaire ou un tableau de résultats vers une feuille que vous pouvez trier et additionner. Le PDF n'a pas de structure de tableau à lire, les colonnes sont donc déduites : des descriptions sur plusieurs lignes, des en-têtes fusionnés ou des chiffres alignés à droite de longueurs différentes peuvent atterrir dans une colonne voisine. Aucune mise en forme, bordure ou couleur de cellule n'est produite. Un relevé numérisé n'a pas de couche de texte et doit d'abord passer par OCR PDF.

Quand utiliser l'outil PDF en Excel

Le bon de livraison d'un fournisseur ou une confirmation de commande arrive en PDF et vous devez le rapprocher de votre propre commande. Convertissez-le, puis utilisez des recherches dans Excel sur la colonne des références pour faire correspondre les lignes. Les quantités et les prix écrits comme des nombres simples arrivent comme des cellules numériques, donc les totaux peuvent être vérifiés avec une formule.

Un système qui n'imprime qu'en PDF, comme un rapport de caisse, un récapitulatif de paie ou un export de réservations, produit un tableau que vous devez représenter graphiquement ou filtrer. Convertissez le PDF, supprimez les lignes Page N qui séparent les pages, et les lignes restantes se trient et se filtrent comme n'importe quelle autre feuille.

Les résultats de laboratoire, les horaires et les classements à colonnes fixes se convertissent proprement lorsque chaque ligne a une valeur dans chaque colonne et que les colonnes commencent toujours à la même position. Si le PDF est une numérisation d'un tel tableau, lancez d'abord OCR PDF afin d'avoir une couche de texte à lire.

Les documents de prose ne sont pas la bonne entrée : chaque ligne devient une rangée, et de larges espaces dans un texte justifié peuvent découper une phrase en cellules. Utilisez PDF en Word pour du texte. Les chiffres avec un symbole monétaire, un signe pourcentage ou des parenthèses restent des cellules texte, retirez donc ces caractères avec rechercher-remplacer dans Excel avant de faire une somme.

Conseils et dépannage

• Impossible de convertir en Excel : No password given signifie que le fichier a besoin d'un mot de passe pour s'ouvrir ; supprimez d'abord la protection.
• Impossible de convertir en Excel : Invalid PDF structure signifie que le fichier déposé n'est pas un PDF ; la zone de dépôt n'applique pas le filtre .pdf du sélecteur.
• Une cellule est stockée comme un nombre uniquement s'il s'agit d'un signe moins facultatif, de chiffres avec des séparateurs de milliers par virgule facultatifs et un point décimal facultatif, comme 1,234.50 ou -7. Des valeurs comme 12%, 1.234,50, (500) ou 2024-05-01 sont stockées comme du texte.
• Les codes qui ressemblent à des nombres perdent leurs zéros de tête : 00123 devient le nombre 123. Si une colonne contient des numéros de compte ou des codes postaux, formatez-la en texte dans Excel et remettez les zéros.
• Un texte qui commence à moins de 12 points du début précédent rejoint la même colonne : des colonnes plus rapprochées que cela n'en forment donc qu'une, et plusieurs débuts rapprochés peuvent s'enchaîner en une seule colonne. Quand deux cellules d'une ligne s'alignent sur la même colonne, la seconde passe à la colonne libre suivante au lieu d'écraser la première, et une cellule plus loin sur cette ligne ne se décale que si sa propre colonne est désormais occupée.
• Toutes les pages arrivent sur une seule feuille nommée Sheet1, avec une ligne Page N avant les lignes de chaque page dans un fichier de plusieurs pages. Les largeurs de colonnes sont celles par défaut d'Excel, élargissez-les donc après l'ouverture.
• La carte de résultat n'a pas de bouton Aperçu du document ; un .xlsx ne peut pas être prévisualisé sur la page. Le fichier reprend le nom du PDF avec une extension .xlsx.
• Un relevé numérisé a besoin d'une couche de texte avant que ses chiffres puissent arriver dans une feuille. Comment rendre un PDF numérisé interrogeable commence par une vérification rapide et traite de ce qui influe sur la précision de la reconnaissance, le point qui compte le plus pour des nombres.

Comment fonctionne l'outil PDF en Excel dans votre navigateur

pdf.js analyse le fichier dans un worker chargé depuis cdnjs.cloudflare.com et renvoie, pour chaque page, les segments de texte avec leurs positions x et y, leurs largeurs et leurs tailles de police. Le script regroupe les segments en lignes par ligne de base et découpe une ligne en cellules partout où l'espace entre deux segments dépasse neuf dixièmes de la taille de la police ; les espaces plus petits deviennent une espace. Les positions de départ des cellules sont ensuite regroupées avec une tolérance de 12 pt en colonnes, et chaque cellule va dans sa colonne la plus proche.

JSZip assemble ensuite à la main un paquet SpreadsheetML : xl/workbook.xml avec une seule feuille, xl/styles.xml avec une unique police Calibri 11, et xl/worksheets/sheet1.xml où chaque ligne est un élément row et chaque cellule est soit une valeur numérique v, soit une chaîne en ligne. generateAsync renvoie le .xlsx sous forme de Blob avec le type MIME d'Excel, et Télécharger le fichier l'enregistre depuis une URL d'objet temporaire. Le PDF et les lignes n'existent que dans l'onglet ; rien n'est envoyé.

Questions fréquentes