Discussion :

[Encephale]

Bonsoir,

Je sais bien que ce sujet fut maintes fois abordés mais même en écumant de nombreuses heures les forums et autres pages internet, je n'ai pu trouver une explication claire à mon problème.

J'ai environ 300 fichiers PDF de 40 pages chacun (ils ont tous à peu près la même architecture), contenant des tableaux à la p1 et des pages 21 à 32. J'aimerais extraire ces tableaux vers un fichier Excel.

Voici ce que j'ai compris pour le moment :

1) Extraire les tableaux en question vers un doc text/ word. J'ai téléchargé la version d'essai Acrobat et j'ai vu qu'il était possible de sélectionner les pages utiles (en supprimant les autres) et de convertir le fichier PDF en fichier Word. Il me reste alors des tableaux (plus ou moins bien convertis.. ). Toutefois je me vois mal le faire pour 300 fichiers.

2) Copier ces tableaux

3) Les coller dans un feuille Excel (j'utilise excel 2007). Si possible j'aimerais modifier les coordonnées dans le but de changer la disposition de mes tableaux. Pour cette deuxième étape, je pense savoir comment faire (un collègue peut m'aider grâce à VBA).

Existe-t-il d'après vous, un moyen d'automatiser ces actions (surtout la 1ère d'ailleurs grâce à un VBA ou autre (j'ai vu qu'avec Python et PDF Miner quelque chose était possible mais je vous avoue que les dizaines de lignes de code m'ont quelque peu refroidi)?

Je vous joins un fichier PDF type que j'utilise sur ce lien : http://www.cjoint.com/c/FBdpU5kSYK3

Merci d'avance de votre possible aide. Et pour préciser je ne suis pas informaticien... vous l'aurez sûrement compris.

++

[kiki29]

Salut,

à lire

Tes fichiers sont en fait du bitmap et donc la solution est de passer par de l'OCR fournie par Acrobat DC 15 ( pas le reader ). C'est très long et pénible à nettoyer ( voir résultats Excel et Word sur ton fichier de test ). Pour ce qui est de l'automatisation .....

[Menhir]

Je confirme ce qu'à dit kiki : ton document ne contient pas des tableaux mais des images qui ressemble à des tableaux.
Esthétiquement, la différence est faible mais informatiquement elle est énorme.
Toutes les méthodes que tu cites deviennent inapplicables.

Si tu ne peux pas agir sur le source qui génère les PDF pour faire en sorte qu'elle génère du vrai texte, automatiser ta procédure risque d'être extrêmement compliqué.

Personnellement, si on me donnait une telle mission, je me renseignerai pour trouver une société qui dispose d'un scanner à bac et d'un logiciel d'OCR automatique (certaines société de reprographie peuvent fournir ce service) qui transformera tes PDF en texte brut.
Je ne dis pas que le traitement qui suivra sera simple à mettre en place, mais ce sera déjà plus accessible que tes données actuelles.

[Encephale]

Merci beaucoup à tous les deux pour vos réponses.
Donc si je comprends bien, ce n'est pas impossible mais compliqué. Je vais me renseigner avec la société avec laquelle je travaille pour voir s'ils ne peuvent pas modifier le format d'origine.
Sinon je passerai par une société de ce type.
Avec la suite Acrobat, ce sera très pénible?

[Encephale]

Re-bonjour,

J'ai finalement pu obtenir un fichier PDF avec des tableaux que j'ai transformé en document Word grâce à Adobe.
Ce qui me donne le fichier suivant : http://www.cjoint.com/c/FBel4jkbTb8. C'est déjà beaucoup plus propre.

J'ai récupéré ce bout de code VBA pour automatiser le transfère de Word à Excel :

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
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
Option Explicit
 
' ----------------------------------------------------------------
' Extraction des données à partir de fichier Word vers Excel
 
'-----------------------------------------------------------------
Sub Importation_Donnees_Word()
 
    ' -- Déclaration des variables
    Dim wb As Workbook          'classeur Excel dans lequel on importe les données
    Dim ws As Worksheet         'onglet Excel dans lequel on importe les données
    Dim sChemin As String       'répertoire contenant les fichiers Word
    Dim sNomFichier As String   'nom du fichier Word
    Dim WApp As Object, WDoc As Object, WSel As Object
    Dim i As Integer
 
    ' -- Initialisation des variables
    Set wb = ThisWorkbook
    Set ws = wb.Sheets(1)                       'on sauvegarde dans la 1re feuille
    sChemin = ChoisirRepertoire & "\"          'fonction pour choisir le répertoire contenant les fichier Word
    'sChemin = ThisWorkbook.Path & "\"           'si les fichiers Word se trouvent dans le même répertoire que le fichier Excel
    sNomFichier = Dir(sChemin & "*.doc*")       'pour ouvrir tous les fichiers .doc*. 1er fichier.
 
    Set WApp = CreateObject("Word.Application") 'pour créer un objet Word
    WApp.Visible = True                        'ne pas afficher Word pendant l'exécution
    i = ws.Range("A" & Rows.Count).End(xlUp).Row + 1   '1re ligne où on va écrire les données dans le fichier Excel
 
    Application.ScreenUpdating = False
 
    ' -- Boucle sur les fichiers
    Do While Len(sNomFichier) > 0
 
        Set WDoc = WApp.Documents.Open(sChemin & sNomFichier)   'ouvre le document Word
        Application.StatusBar = "Écriture ligne " & i       'message dans Excel pour voir la progression
 
        ' Nom du fichier
        ws.Cells(i, 1) = sNomFichier
 
     ' IPR (TST) dans le 6e tableau, ligne 3, colonne 3)
        WDoc.Tables(1).Cell(1, 1).Range.Copy
        ws.Select
        ws.Cells(i, 2).PasteSpecial (xlPasteValues)
 
        ' IPR (TST) dans le 6e tableau, ligne 3, colonne 3)
        WDoc.Tables(2).Cell(6, 6).Range.Copy
        ws.Select
        ws.Cells(i, 8).PasteSpecial (xlPasteValues)
 
        i = i + 1                       'prochaine ligne
        WDoc.Close False                'fermer le document Word sans enregistrer
        sNomFichier = Dir               'prochain document
    Loop
 
SortieNormale:
    Application.ScreenUpdating = True
    WApp.Quit                           'Fermer l'instance de Word
    Application.StatusBar = False       'Remise à zéro de la barre d'état
 
End Sub
 
Function ChoisirRepertoire() As String
' -- Fonction permettant de choisir un répertoire
    Dim oRepertoire As Object
    ChoisirRepertoire = ""
    Set oRepertoire = CreateObject("Shell.Application").BrowseForFolder(0, "Choisir un répertoire", 0)
    If (Not oRepertoire Is Nothing) Then ChoisirRepertoire = oRepertoire.Items.Item.Path
    Set oRepertoire = Nothing
End Function|

Cela marche quelque peu sur windows, mais sur mon mac il me souligne l'erreur suivante : Set oRepertoire = CreateObject("Shell.Application").BrowseForFolder(0, "Choisir un répertoire", 0)

D'où cela pourrait-il venir?
Sinon pour ton code Kiki, ça m'a l'air bien mais le programme me signale que les variables ne sont pas définies :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Sub SelDossierRacine(Optional Dummy As String)

Enfin peut être que je peux m'en sortir avec le code plus haut..

Merci

[Menhir]

Tu n'as qu'à mettre le chemin "en dur" dans :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

    sChemin = ChoisirRepertoire & "\"

Ou, mieux, remplacer

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
    sChemin = ChoisirRepertoire & "\"          'fonction pour choisir le répertoire contenant les fichier Word
    'sChemin = ThisWorkbook.Path & "\"           'si les fichiers Word se trouvent dans le même répertoire que le fichier Excel
    sNomFichier = Dir(sChemin & "*.doc*")       'pour ouvrir tous les fichiers .doc*. 1er fichier.

en utilisant GetOpenFilename (celui de VBA Excel puisque cette méthode n'existe pas dans VBA Word).
Ca te permettra de récupérer le chemin et le nom de fichier en même temps sans ouvrir le fichier.

[kiki29]

Salut, déjà sur Mac le séparateur est : pas \, utilise Application.PathSeparator

voir ici