Discussion :

[progfou]

Bonjour tout le monde !

Je suis en train d'essayer de faire un truc assez simple... Extraire un tableau d'un fichier PDF.
Je suis sous Linux, et donc j'ai des outils comme pdftotext pour m'aider.
Et ça fonctionne... presque .

Je mets en PJ une image impression écran d'un extrait du pdf, et voici ce que je peux générer :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 Foliotation   Numéros et dates retenues dans               Dates retenues par                   Dates retenues par                   Dates proposées par
                         l'éd. A de Courson                           A. de La Borderie                    W. Davies                            H. Guillotel
 
           1             n° I                832                      832, juin                            un jeudi avant juin 832              832, 5 juin. - Redon.
                                                                                                           puis un mercredi de juin 832
           1r-v          n° II               832, 18 juin             =                                    = (jeudi)                            = - Redon.
           1 v 2.        n° III              834, 20 juin             =                                    = (samedi)                           =
           2-3           n° IV               834, 17 juin             =                                    = (mercredi)                         = - Le Faux en Six-sur-Aff.
           3r-v          n° V                833, 15 mai              =                                    = (jeudi)                            = - Augan.
           3v-4          n° VI               833, 10 décembre         =                                    = (mercredi)                         =
           4r-v          n° VII              833, 9 février           =                                    = (dimanche)                         = - Redon.
           4v-5          n° VIII             833, 26 octobre          =                                    = (dimanche)                         = - Carentoir.
           5r-v          n° IX               833 - 834                833, 29 janvier à 834, 28 janvier    =                                    833, après le 28 janvier
                                                                                                                                                834, avant le 27 janvier. - Ruffiac.
           5v-6          n° X                833, 28 décembre         =                                    = (dimanche)                         =
           6r-v          n° XI               834, 27 janvier          =                                    = (mardi)                            835, 27 janvier ?
           6v-7          n° XII              834, 18 janvier          =                                    = (dimanche)                         = - Ruffiac.
           7v-v          n° XIII             837, 1er décembre        834, 28 novembre                     = (samedi)                           =

Problème : j'ai des espaces pour délimiter mes colonnes, visuellement ça fonctionne, mais ce n'est pas facile à intégrer ensuite dans un tableau type openoffice.
Donc, plusieurs questions : sur l'image on voit des traits qui délimitent les colonnes, est-ce qu'il est envisageable de les retrouver ?
Sinon, peut-on (avec python bien sûr) lire et extraire un pdf comme pdftotext mais en ayant la maîtrise complète des caractères lus ?
Dans l'idéal, j'aurais voulu un csv, ou un délimiteur pour les colonnes, mais je n'y arrive pas...

Merci d'avance pour votre aide !