Extraire les e-mails d'un PDF.

L'extracteur recherche les adresses conventionnelles local-part@domain, y compris les balises plus et les noms avec points. Il accepte les noms de domaine internationalisés mais pas les noms de boîte aux lettres non-ASCII, les parties locales entre guillemets ou les adresses délibérément obscurcies.

Les adresses sont comparées sans tenir compte de la casse lors de la suppression des doublons. Une adresse visible identique et une cible mailto sur la même page ne sont pas comptées deux fois simplement parce que le texte est cliquable. Les tables de caractères PDF corrompues et les adresses coupées sur plusieurs lignes peuvent nécessiter une vérification manuelle.

Chaque résultat enregistre la position physique de la page dans le PDF, ce qui peut différer des numéros de page imprimés. Sélectionnez une puce de page pour ouvrir l'aperçu avec une mise en surbrillance approximative.

La suppression des doublons est activée par défaut. Les totaux combinent les répétitions reconnues de la même valeur ; désactivez cette option pour voir les occurrences séparées. Le tri alphabétique modifie l'ordre de la liste. Le filtrage s'applique également à la copie et aux téléchargements ainsi qu'aux lignes visibles.

Le CSV contient les colonnes Type, Valeur, Total et Pages. L'encodage UTF-8 prend en charge l'arabe et d'autres scripts. Les valeurs pouvant être interprétées comme des formules de tableur sont précédées d'une apostrophe pour un import plus sûr.

TXT et Copier tout contiennent uniquement les valeurs, une par ligne. Toutes les lignes correspondant au filtre sont incluses, même lorsque le tableau à l'écran s'étend sur plusieurs pages de résultats. Aucun nouveau PDF n'est créé et le PDF source reste inchangé.

Chargez un PDF jusqu'à 50 MiB et 500 pages. L'extraction vérifie jusqu'à 250 000 caractères et 2 000 correspondances par page, 10 millions de caractères et 20 000 correspondances au total, et 2 000 annotations par page. Un budget d'extraction de 90 secondes limite les exécutions trop longues. Les documents très complexes peuvent mieux fonctionner s'ils sont divisés en fichiers plus petits.

Lorsqu'une limite est atteinte ou qu'une page ne peut pas être entièrement lue, les résultats affichent un avis et les exécutions limitées ou échouées exportent avec la mention partial dans le nom de fichier. Les pages sans texte sélectionnable sont comptées séparément. Utilisez l'OCR PDF pour les scans d'images uniquement, puis revenez pour extraire le texte reconnu.

Le contenu PDF est traité localement dans ce navigateur. Les documents téléchargés ne sont pas envoyés vers un serveur d'extraction. Les liens, adresses e-mail et numéros de téléphone trouvés dans le PDF ne sont jamais contactés automatiquement.