composants delphi convertion PDF,DOC,PPT .. en TXT ?

**pragmatique** · 13/10/2011, 19h31

Bonjour à tous !

Quelqu'un connait-il des composants Delphi (gratuits ou payants) qui permettent d'extraire le texte brut de divers formats de fichiers notamment PDF, DOC,DOCX,PPT,XLS ?

Important:
----------

* ces composants ne doivent pas nécessiter d'installer un autre logiciel (suite office, executable ou dlls) et ne doivent pas nécessiter de droits admin pour enregistrer un activex ou autre.

* je ne veux pas d'une solution "serveur" (à moins que ça soit une extension PHP), je veux linker ça directement à un executable client

A la rigueur je me contenterai d'une seule DLL qui fait tout si ça n'existe pas sous forme de composants.

J'ai beau chercher grâce à notre ami googoo je ne trouve que des activex, des executables, des trucs qui dependent d'office, etc... je n'ai trouvé que pour du PDF seul mais il me faut les autres formats aussi.

Merci !

**ShaiLeTroll** · 13/10/2011, 19h42

Pour Office, le plus simple étant OLE et la fonction Document.Save, tu peux lui indiquer le format
Mais comme tu ne veux pas d'Office Installé, cela complique !

Pour Excel, tu pourrais te débrouiller avec TMS FlexCell qui te permettrait de lire le fichier pour le convertir un fichier texte tabulé, FlexCell s'utilise a peu près comme les interfaces OLE d'Excel

Pour RTF, un TRichEdit et PlainText

J'aime bien ce type de question, je voudrais le "super méga objet qui tue" parce que j'ai pas du tout envie de le faire !

A mon avis, tu trouveras autant de convertisseur qu'il y a de format, il y a des convertisseurs DOC vers RTF, cela pourrait t'aider aussi !

Évidemment, tu es prêt à acheter composant ou outil ?
Peut-être aussi Open Office, il est Open Source, ils doivent donc avoir le code pour les fichiers MSOffice !

**pragmatique** · 13/10/2011, 20h02

Je confirme que j'aime les choses simples, donc je n'ai aucune envie de dépendre d'office ou open office pour simplement extraire le texte brut d'un fichier (le but étant simplement d'indexer ensuite ce texte brut pour pouvoir faire des recherches sur le contenu dudit fichier).

Quand à refaire soit même un composant, je serai ravi de parser directement en binaire les divers formats mais la plupart intègrent du contenu compressé et je n'ai pas les spécs détaillées.

Et puis ça ne serait pas très efficient de réinventer la roue si il existe déjà quelques composants directement linkables pour faire ça, donc je suis prêt à payer si ça existe et que ça fonctionne.

Même aller fouiller dans tout le code source d'open office ça peut prendre beaucoup de temps avant de trouver ce qu'il me faut et surtout le traduire en delphi.

**delagoutte** · 14/10/2011, 09h39

http://www.scalabium.com/
Suite Ms word document
pour les doc : TMSWordDocument
marche plutot bien, il y a juste les entêtes et pied de page qui sont regroupé à la fin de l'extraction et non à leur place tel qu'à l'écran( en pratique c'est mieux comme ça plutot que si ils avait été à la place d'origine)
pour les docx : TMSWordXDocument pas vraiment tester mais je pense que cela doit se comporter comme le TMSWordDocument .

pour les pdf : TSMPDFReader, j'avais tester quand il commençait à le dévelloper et que le compo ne faisait pas encore vraiment partie de la suite msworddocument. une sorte de beta. résultat : c'était tout ou rien, soit j'avais bien tout le texte soit je n'avais rien. A retester donc.

pour les ppt : TOpenOfficePresentation, Open office présentation ouvrant les ppt, ce compo permet peut être d'en extraire le texte

pour les fichiers Xls, Xlsx c'est dans la suite SMImport suite que cela se passe, ce n'est pas directement extraction de texte mais tu as accés à tout les contenu de cellule, à toi de faire la boucle pour en faire une extraction texte.

Tous ces compos annonce ne pas utiliser OLE et c'est réellement le cas, ils fonctionnent sans programme tiers.

C'est payant mais le prix reste très raisonnable pour ce qu'il apporte.(avec version 30 jours pour tester)

**ShaiLeTroll** · 14/10/2011, 10h42

C'est même vraiment pas cher (à peine le coût d'une heure d'un presta !)
Scalabium a noter dans les tablettes !
Un partenaire dans un développement, justement utilisait les fichiers PDF que l'on générait avec ReportBuilder+InfoPower\WWRichEdit+ExtraDevices, j'ai du fouillé dans les options d'ExtraDevices pour trouver comment enregistrer la zone Memo en mode texte au sein du PDF, justement pour en extraire le contenu (envoyé par mail chiffré)
C'est une problématique que l'on peut retrouver !

Sinon pour l'indexation, tu veux concurrencer Copernic ?

! Bon courage !