Extraire le texte d'une image et d'un PDF

Oui. L'OCR — reconnaissance optique de caractères — désigne le fait de lire du texte imprimé dans une image, et c'est exactement ce qui se passe ici. La différence avec la plupart des sites d'OCR tient au lieu d'exécution : le moteur est téléchargé dans votre navigateur au lieu que votre fichier parte sur le serveur de quelqu'un.

La précision dépend de la netteté, de la langue, de la mise en page et de l’éclairage. Comparez le texte à l’original, surtout les noms, dates et nombres.

Non, et autant le dire clairement. Le moteur est conçu pour du texte imprimé et composé. La reconnaissance d'écriture manuscrite est un autre problème, qui demande d'autres modèles : essayer ici ne fera que vous faire perdre du temps.

Non. Le texte contenu dans un tableau sera lu, mais la structure en lignes et colonnes n'est pas conservée — vous obtenez les mots, pas une grille. Le moteur ne détecte pas du tout la structure des tableaux, il n'y a donc aucun moyen d'en tirer un Excel exploitable.

Le contenu des fichiers sélectionnés est traité dans le navigateur, sans envoi à un service de téléversement de l’application. Le site, les polices et les bibliothèques de traitement peuvent néanmoins nécessiter des requêtes réseau.

Ouvrez la page avec une connexion. Le traitement peut continuer dans l’onglet chargé, mais le rechargement, les ressources externes et les modules non mis en cache nécessitent Internet.

Celle du texte dans l'image, pas celle de cette page. En cas d'erreur, même une image nette donnera du charabia. Les choix non anglophones chargent aussi l'anglais, pour que les documents mêlant numéros de commande et adresses e-mail soient lus correctement.

Oui. Chaque page est rendue et lue à son tour, et les résultats apparaissent page après page. Les documents très longs sont limités aux 100 premières pages, et vous en êtes informé au lieu d'avoir à le deviner.

Vous verrez « Aucun texte trouvé » plutôt qu'une erreur, car une image sans texte lisible est un résultat normal. En général cela signifie que l'image est trop floue, le texte trop petit, ou que la langue choisie n'est pas la bonne.

Parce qu'il ne devrait pas en avoir. Les moteurs de reconnaissance traitent chaque caractère chinois comme un mot distinct et insèrent des espaces partout, ce qui rend le résultat pénible à utiliser. Ces espaces sont retirés ici — mais ceux entre caractères chinois et latins sont conservés, car ils sont réels.

Oui. Déposez autant d'images que vous voulez, elles se mettent en file et les résultats apparaissent à mesure. Si un fichier échoue, les autres continuent, et vous pouvez arrêter à tout moment sans perdre ce qui a déjà été lu.