Ce que montre le visualiseur de structure
Envoyez un PDF : chaque page est dessinée avec des cadres colorés autour de chaque bloc trouvé par l'outil, titres sur trois niveaux, paragraphes, éléments de liste et images. Chaque cadre porte un numéro, et la liste à côté de la page reprend les blocs dans cet ordre, pour montrer la séquence qu'un convertisseur ou un lecteur d'écran suivrait.
Cliquez sur un cadre ou une entrée de la liste pour le mettre en évidence aux deux endroits, et activez ou désactivez les types de blocs pour vous concentrer sur un seul genre d'élément. Les signets et, pour les PDF balisés, les balises de structure de la première page sont également listés. Si l'objectif est une copie modifiable plutôt qu'une carte, PDF en Word se charge de la conversion.
Comment les blocs sont détectés
| Élément | Comment il est reconnu |
|---|---|
| Titres | Blocs courts composés nettement plus grands que le corps du texte. La plus grande taille devient Titre 1, la suivante Titre 2, puis Titre 3. Une seule ligne en gras à la taille du corps est traitée comme titre mineur. |
| Paragraphes | Des lignes de même taille, proches et qui se chevauchent horizontalement, sont réunies en un bloc ; un écart plus grand ou un changement de taille commence le suivant. |
| Éléments de liste | Une ligne qui commence par une puce, un tiret, un chiffre ou une lettre suivis d'un point ou d'une parenthèse devient un élément de liste à part entière. |
| Images | Chaque image matricielle dessinée sur la page, mesurée d'après les instructions de dessin, de sorte que le cadre correspond à l'image placée et non au fichier qu'elle contient. |
| Ordre de lecture | Les blocs sont séparés au plus large espace vide, gouttières verticales avant écarts horizontaux, si bien que deux colonnes sous un titre pleine largeur sont lues colonne par colonne. |
Comment visualiser la structure d'un PDF
- Sélectionnez un PDF. Les vingt premières pages sont rendues et analysées dans votre navigateur.
- Parcourez les pages. La légende indique combien de blocs de chaque type ont été trouvés ; cliquez sur un type pour le masquer ou l'afficher.
- Cliquez sur un cadre pour voir son texte, sa taille de police et sa position dans la liste de droite.
- Téléchargez le résultat en JSON avec les cadres, ou en plan Markdown qui conserve titres, éléments de liste et emplacements d'images.
Quand la carte est utile
Avant de convertir un rapport, vérifiez que ses titres sont de vrais titres et que les colonnes seront lues dans le bon ordre ; si la carte paraît fausse, le document converti le sera aussi. Pour les documents numérisés, la carte reste vide faute de couche texte, et OCR PDF en Word est l'outil à utiliser.
Le plan Markdown est un moyen rapide de transformer un PDF en notes ou en table des matières. Quand c'est tout le texte qui compte et non son squelette, PDF en Markdown transfère aussi le corps.
À quoi s'attendre
La détection repose sur la géométrie et les tailles de police, pas sur l'intention de l'auteur. Une grande citation en exergue est étiquetée titre, un paragraphe à retrait négatif peut se scinder en deux, et les tableaux apparaissent comme plusieurs paragraphes ou éléments de liste plutôt que comme une grille. Les dessins vectoriels tels que les graphiques ne sont pas encadrés ; seules les images matricielles le sont.
Les PDF protégés par mot de passe ne s'ouvrent pas ici ; utilisez d'abord Déverrouiller PDF. Les balises de structure sont lues dans le fichier quand elles existent, mais les cadres sont calculés d'après la page, si bien qu'un document non balisé obtient tout de même une carte complète. Pour vérifier formellement le balisage et la conformité d'archivage, lancez le validateur PDF/A.