PDF vers XML ou PDF vers Excel : du texte structuré pour les programmes ou des tableaux pour les personnes
Les deux outils transforment un PDF en données, mais pour des lecteurs différents. PDF vers XML écrit le texte de chaque page, page après page, en XML structuré qu'un autre programme peut lire. PDF vers Excel cherche les tableaux et les écrit dans un tableur, à raison d'une feuille par page, où une personne peut trier, filtrer et calculer. Cette page les compare pour que vous choisissiez celui qui correspond à ce qui arrive ensuite aux données.
En bref
| Critère | PDF vers XML | PDF vers Excel |
|---|---|---|
| Résultat | Un fichier XML avec le texte de chaque page. | Un tableur avec les tableaux trouvés, une feuille par page. |
| Lecteur principal | Un programme, un script ou une routine d'import. | Une personne qui travaille dans un tableur. |
| Ce qu'il conserve | Le texte, organisé page par page. | Les lignes et les colonnes des cellules de tableau. |
| Texte hors des tableaux | Inclus, car tout le texte est écrit. | Ce n'est pas le but, l'accent est mis sur les tableaux. |
| Cas typique | Alimenter un système, un index de recherche ou une analyse de texte. | Totaux, filtres et graphiques sur un tableau d'un rapport. |
Décidez selon qui lit le résultat
Si l'étape suivante est un programme, le XML lui donne tout le texte dans une structure prévisible à lire. Si l'étape suivante est une personne avec un tableur, Excel est le meilleur point de départ, car les tableaux sont déjà dans des cellules. Si vous ne voulez que les tableaux en fichiers simples séparés par des virgules, l'extraction des tableaux en CSV est une troisième voie. Un PDF numérisé n'a pas de texte à extraire : utilisez d'abord l'OCR.
Quand choisir quoi
PDF vers XML
Choisissez PDF vers XML quand un logiciel lira le texte et que vous voulez tout, page par page.
PDF vers Excel
Choisissez PDF vers Excel quand vous voulez trier, totaliser ou représenter vous-même les tableaux en graphique.
Outils gratuits pour les deux options
Guides qui le mettent en pratique
- Exporter le texte d’un PDF en XMLPas à pas : vérifiez si un PDF contient du vrai texte, passez l’OCR sur les pages numérisées et exportez le texte page par page en XML pour un autre système.
- Passer les tableaux d'un PDF à ExcelPas à pas : distinguez un PDF texte d'un PDF scanné, lancez l'OCR si besoin, extrayez les tableaux en données de feuille de calcul et vérifiez les chiffres avant de les utiliser dans un rapport.
Les termes PDF expliqués
- XMLLe XML est un format texte qui étiquette les données pour que les programmes les lisent. À quoi il ressemble, son rapport au PDF et ce qu’apporte l’export d’un PDF en XML.
- Extraction de tableauxL'extraction de tableaux transforme les tableaux imprimés dans un PDF en lignes et colonnes modifiables dans un tableur. Voyez comment elle fonctionne, ses limites et comment vérifier le résultat.
- Feuilles d'un classeurUn classeur est un fichier de tableur composé de plusieurs feuilles. Voyez comment feuilles, zones d'impression et sauts de page déterminent le contenu d'un PDF, et comment les tableaux d'un PDF reviennent une feuille par page.
Questions fréquentes
- PDF vers XML comprend-il mes tableaux ?
- Il écrit le texte de chaque page de façon structurée, mais ce n'est pas un outil de tableaux. Pour des lignes et des colonnes, utilisez PDF vers Excel ou l'extraction de tableaux.
- Et si un tableau s'étend sur deux pages ?
- Les tableaux sont lus page par page, les deux parties arrivent donc séparément. Rassemblez-les à la main dans le tableur.
- Lesquels de vos outils s'en occupent ?
- PDF vers XML écrit le texte de chaque page en XML, PDF vers Excel écrit les tableaux dans un tableur et Extraire les tableaux d'un PDF les enregistre en CSV. Chaque résultat est un nouveau fichier et l'original reste intact.