Module Extraction de Tableaux (CSV)

Le module Extraire Tableau convertit en un fichier CSV (Comma-Separated Values) les données tabulaires détectées dans un PDF. Ce format texte simple est compatible avec Microsoft Excel, Apple Numbers, Google Sheets, LibreOffice Calc et la quasi-totalité des outils de traitement de données. Il s'agit d'une opération d'export : le document PDF ouvert n'est pas modifié. Vous accédez à ce module depuis la catégorie Conversion du Tableau de bord.

Étape 1 — Sélectionner les pages contenant des tableaux

L'extraction de tableaux fonctionne page par page. Avant d'ouvrir le module, ou directement dans la grille de prévisualisation à gauche, sélectionnez les pages qui contiennent les données tabulaires à extraire :

Sans sélection : HtkPDF parcourt l'intégralité du document. La barre latérale indique alors « Toutes les pages » ;
Avec sélection : seules les pages cochées sont analysées. Le résumé indique le nombre de pages sélectionnées.

Restreindre l'analyse à des pages précises est fortement recommandé pour deux raisons :

Performance : l'analyse parcourt chaque page pour repérer les zones tabulaires. Sur un long document, cela peut prendre du temps ;
Précision : limiter le périmètre réduit les risques de faux positifs (paragraphes mal interprétés comme des lignes de tableau).

Étape 2 — Lancer l'extraction

La barre latérale ne contient pas de paramètres supplémentaires : l'extraction utilise l'algorithme de détection automatique de HtkPDF, qui repère les zones structurées en colonnes alignées (texte ou nombres séparés par des espaces ou des lignes de séparation).

Cliquez sur Extraire (CSV). Une boîte de dialogue « Opération d'export » rappelle que :

Cette action va directement exporter les tableaux extraits dans le dossier de votre choix. Le document actuel restera ouvert et inchangé.

Confirmez avec J'ai compris pour ouvrir un panneau de sauvegarde macOS. Le dossier proposé par défaut est celui défini dans les Paramètres > Fichiers, et le nom de fichier proposé est <nom_d_origine>_tables.csv.

Pendant l'extraction, le bouton affiche « Extraction… » et reste désactivé.

Format du fichier généré

Le fichier produit est un CSV standard :

Encodage UTF-8 — préserve les accents et caractères spéciaux ;
Séparateur : virgule ;
Une ligne par ligne de tableau ;
Une cellule par colonne, sans guillemets sauf si la cellule contient elle-même une virgule.

Si plusieurs tableaux sont détectés (sur des pages différentes ou plusieurs zones d'une même page), ils sont concaténés dans le même fichier, séparés par une ligne vide. Vous pouvez les redécouper manuellement après ouverture dans votre tableur.

Ouvrir le fichier dans un tableur

Apple Numbers : double-cliquez sur le fichier — Numbers reconnaît le format et propose un import propre ;
Microsoft Excel : lors de l'ouverture, choisissez l'option Délimité avec Virgule comme séparateur. Si les accents s'affichent mal, sélectionnez l'encodage UTF-8 dans le dialogue d'import ;
Google Sheets : utilisez Fichier > Importer, choisissez le CSV et le séparateur virgule.

Limites et bonnes pratiques

L'extraction de tableaux à partir d'un PDF est une opération heuristique : un PDF ne contient pas, par nature, de structure formelle de tableau. HtkPDF se base sur l'alignement géométrique des cellules pour reconstituer la grille. Cela implique quelques limitations :

Tableaux avec lignes complexes : les tableaux dont les cellules occupent plusieurs lignes ou contiennent des sauts de ligne internes peuvent voir leur structure éclatée ;
Tableaux fusionnés : les cellules fusionnées dans le PDF d'origine ne sont pas restituées comme telles. Une cellule fusionnée sur deux colonnes peut apparaître soit doublée, soit dans la première colonne uniquement, selon la disposition ;
PDF numérisés : sur un document scanné sans couche texte, aucune extraction n'est possible. Lancez d'abord une Extraction de texte avec OCR, puis copiez-collez les résultats dans un tableur.
Tableaux mal alignés : si les colonnes du PDF d'origine ne sont pas alignées avec précision (texte centré, marges flottantes), le résultat peut nécessiter une retouche manuelle dans le tableur.

Astuce : pour un long document, exécutez l'extraction d'abord sur une seule page contenant un tableau type. Vérifiez la qualité du résultat dans votre tableur, puis lancez l'extraction sur la totalité des pages utiles. Cela évite de passer beaucoup de temps sur un export final que vous devriez de toute façon retoucher.

Retour au Tableau de bord

Une fois l'extraction terminée avec succès, le module se referme automatiquement et le Tableau de bord redevient visible. Le document PDF d'origine n'a subi aucune modification.

Captures d'écran

1 capture — cliquez pour agrandir