Nettoyer un texte copié depuis un PDF ou un site web

Copier du texte depuis un PDF donne en général un retour à la ligne à la fin de chaque ligne, des doubles espaces et des caractères bizarres. Les pages web et les e-mails ajoutent des guillemets typographiques, des espaces insécables et parfois du HTML brut. Voici une routine de nettoyage rapide.

1. Extraire le texte

Si vous partez d'un fichier PDF, PDF en texte extrait toutes les pages d'un coup, bien plus vite qu'une sélection page par page. (Si le résultat est vide, le PDF est un scan — une image — et demande une reconnaissance de caractères.)

2. Recoller les lignes coupées

Un PDF stocke le texte sous forme de lignes positionnées : un paragraphe copié devient une succession de lignes courtes. Dans Nettoyer un texte, l'option Recoller les lignes remplace les retours simples par des espaces tout en gardant les lignes vides entre les paragraphes — la structure survit.

3. Normaliser espaces et caractères invisibles

Le texte venu de Word ou d'un site contient souvent :

• des espaces insécables (U+00A0), d'apparence normale mais qui cassent les recherches et les formules de tableur ;
• des espaces de largeur nulle, totalement invisibles ;
• des doubles espaces après un point.

Supprimer les espaces en trop règle les trois.

4. Redresser les guillemets (pour le code et les données)

Les guillemets typographiques (« » “ ” ’) conviennent à un texte publié mais cassent le code, les fichiers CSV et le JSON. Activez Redresser les guillemets dans le nettoyeur quand le texte est destiné à un programme.

5. Supprimer les lignes vides

Pour une liste, Supprimer les lignes vides donne un élément par ligne, prêt à coller dans une colonne de tableur.

Confidentialité

Tous ces outils fonctionnent dans votre navigateur. Vous pouvez nettoyer des documents confidentiels sans risque : rien n'est envoyé ni conservé.