ForHosting KIT · Documents et PDF

Extraire le texte d’un PDF

Récupérez les mots qu'un PDF natif contient déjà, en texte brut et dans l'ordre de lecture, sans polices, colonnes ni coordonnées pour vous gêner. Envoyez le résultat vers un index de recherche, un contrôle de mots-clés ou une traduction. Vous payez à l'extraction, sans abonnement.

● Stablepar requête + par page$0.002

Lancer — $0.002 Voir l’API

Utilisez-le depuis WebAPIE-mailTelegramApp bientôt

Exécuter en ligne

Exécutez cette tâche sur nos serveurs, avec votre compte. Les outils gratuits tournent dans votre navigateur ; celui-ci est facturé sur votre solde KIT au prix affiché ci-dessus.

Cette capacité récupère le texte contenu dans un PDF et vous le rend en texte brut, dans l’ordre de lecture. Fini le copier-coller qui déstructure tout ou la ressaisie fastidieuse : vous obtenez le contenu écrit du document, prêt à coller dans un traitement de texte, un tableur ou un autre outil.

Les mots, pas la page

La plupart des outils qui manipulent des PDF cherchent à tout garder, la mise en page, les images, le formatage. C'est exactement ce qu'il ne faut pas quand seul le texte vous intéresse. Cette extraction lit la couche de texte que le PDF contient déjà et vous la rend en texte brut, dans l'ordre de lecture, sans avoir à vous battre avec des polices, des colonnes ou des coordonnées. Elle fonctionne proprement sur les PDF natifs, ceux qui sont exportés depuis un traitement de texte, générés par un logiciel ou produits par une étape précédente de votre propre chaîne. Le résultat est destiné à un index, une base de données ou un autre programme, plutôt qu'à une personne qui lit la page.

Quand le texte brut d'un PDF rend service

Une bibliothèque de documents devient consultable par les mots contenus dans chaque fichier, et plus seulement par son nom. Les contrats et rapports entrants peuvent être passés au crible pour repérer certaines clauses ou certains termes avec de simples vérifications de texte. Les outils de résumé, de classement ou de traduction travaillent bien mieux sur un texte propre que sur une image de page. Des archives de rapports en PDF peuvent aussi rejoindre une base de données ou un système de gestion de contenu sous forme d'enregistrements consultables. Le texte peut être rendu page par page ou d'un seul bloc, et vous pouvez limiter l'extraction à une plage de pages.

Le texte, libéré de sa page

Un PDF fige le texte dans une mise en page ; le récupérer proprement relève souvent du casse-tête. Copier une colonne colle deux colonnes mélangées, un tableau se disloque, les sauts de ligne partent de travers. L’extraction lit la couche de texte du document et la restitue en flux lisible, dans l’ordre naturel de lecture.

Vous récupérez les mots tels qu’ils sont écrits, sans les fantaisies de mise en forme qui gênent le réemploi.

Ce qu’un PDF texte contient vraiment

Deux familles de PDF cohabitent. Ceux qui sont nés d’un logiciel — un rapport exporté, un contrat généré — portent une vraie couche de texte, exploitable directement. Cette capacité s’adresse à la première famille ; pour un document scanné, il faut d’abord lui ajouter une couche OCR.

Cas d’usage

Réutiliser un ancien rapport

Julien Lefèvre doit reprendre des passages d’un rapport de l’an dernier, disponible seulement en PDF. Il extrait le texte et le colle dans son traitement de texte, sans retaper trois pages ni se battre avec un copier-coller qui déforme tout.

Citer un contrat avec exactitude

Sophie Nguyen prépare une note qui cite plusieurs clauses d’un contrat. L’extraction lui donne le texte exact, mot pour mot, ce qui évite les erreurs de recopie sur des formulations juridiques sensibles.

Questions fréquentes

Cela fonctionne-t-il sur un PDF scanné ?

Non, pas directement. Un scan ne contient que des images de pages, sans couche de texte à extraire. Il faut d’abord lui appliquer une reconnaissance de caractères (OCR) ; l’extraction agira ensuite sur le texte reconnu.

La mise en page est-elle conservée ?

Non, et c’est voulu : vous obtenez du texte brut, dans l’ordre de lecture, sans colonnes ni cadres. Pour préserver titres et structure, la conversion en Markdown est plus adaptée.

Les tableaux ressortent-ils correctement ?

Le texte des cellules est récupéré, mais un tableau complexe perd sa grille dans un flux brut. Pour un rendu structuré des tableaux, orientez-vous vers une conversion dédiée.

Jusqu’à quelle taille de PDF puis-je extraire le texte ?

Oui, jusqu’à 25 Mo et 200 pages par document. Cela couvre la plupart des rapports et contrats ; un fichier plus lourd gagne à être scindé au préalable.

Mon document est-il lu par quelqu’un ?

Non. L’extraction est automatisée de bout en bout, l’échange est chiffré, et le fichier est effacé une fois le texte renvoyé. Personne ne consulte son contenu.

Outils associés

Pour les développeurs — accès API

Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.

Endpoint

POSThttps://api.kit.forhosting.com/pdf/to-text

Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.

Appeler depuis votre stack

curl -X POST https://api.kit.forhosting.com/pdf/to-text \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"pdf":"https://ejemplo.com/documento.pdf"}'

const res = await fetch("https://api.kit.forhosting.com/pdf/to-text", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "pdf": "https://ejemplo.com/documento.pdf"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/pdf/to-text",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "pdf": "https://ejemplo.com/documento.pdf"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/pdf/to-text", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"pdf":"https://ejemplo.com/documento.pdf"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"pdf":"https://ejemplo.com/documento.pdf"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/pdf/to-text", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Exemple de requête

{
  "pdf": "https://ejemplo.com/documento.pdf"
}

Exemple de réponse

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "pdf.to_text",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.

Tarifs

par requête$0.002

Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.

Limites

`max_mb`	25
`max_pages`	200

Erreurs

HTTP	Code	Signification
`401`	`unauthorized`	Clé API absente ou invalide : vérifiez l’en-tête Authorization.
`402`	`insufficient_balance`	Solde insuffisant : rechargez votre compte pour lancer cette tâche.
`404`	`unknown_type`	Type de tâche inconnu : vérifiez le champ type de votre requête.
`429`	`rate_limited`	Trop de requêtes : ralentissez la cadence, puis réessayez.
`413`	`input_too_large`	Entrée trop volumineuse : consultez la limite de taille de cette capacité.

Notes techniques

Ce qu’un PDF texte contient vraiment

Ceux qui sont issus d’un scanner ne contiennent, eux, que des images de pages : sans reconnaissance de caractères, il n’y a rien à extraire.

Un tarif de base, pour un geste courant

Le texte sort brut, à charge pour vous de le structurer ensuite selon votre besoin. Extraire du texte est une opération fréquente et légère, facturée en conséquence : $0.002 par requête, en dollars US, sans abonnement. La capacité s’exécute depuis cette page pour un document isolé, et via l’API (alias /pdf/to-text) pour alimenter un traitement en série — indexer une archive, vérifier des documents, préparer une analyse.

Cas d'intégration

Indexer une documentation

Atelier Garnier SARL veut rendre ses notices consultables par mots-clés. En extrayant le texte de chaque PDF via l’API, l’entreprise nourrit son moteur de recherche interne sans ressaisir le contenu.

Questions techniques

Combien coûte une extraction ?

$0.002 par requête, en dollars US, réglés par PayPal, sans compte ni abonnement. Une facture est délivrée sur demande.

Consulter la documentation complète du KIT →

Exécuter en ligne

Les mots, pas la page

Quand le texte brut d'un PDF rend service

Le texte, libéré de sa page

Ce qu’un PDF texte contient vraiment

Cas d’usage

Réutiliser un ancien rapport

Citer un contrat avec exactitude

Questions fréquentes

Outils associés

Pour les développeurs — accès API

Endpoint

Appeler depuis votre stack

Exemple de requête

Exemple de réponse

Tarifs

Limites

Erreurs

Notes techniques

Ce qu’un PDF texte contient vraiment

Un tarif de base, pour un geste courant

Cas d'intégration

Indexer une documentation

Questions techniques

merci