Discussion :

[prince 1990]

bonsoir à tous

je ne sais pas si ma question fait rire mais en fait j'ai des pdfs contenant des textes je veux savoir si un certain mot ou des mots se répètent dans tous les pdfs via le textmning ( si cela est permi ou logique bien sûr je suis nouveau dans ce domaine) mais le problème est que je ne peux pas chercher ni copier du texte dans les pdfs si je copie le collage est une image je crois donc que les ifchiers sources sont des images que faire dans ce cas pour savoir si un mot se répète dans tous les documents ?
merci d'avance pour toute réponse

[Jipété]

Salut,

mais le problème est que je ne peux pas chercher ni copier du texte dans les pdfs, si je copie le collage est une image ; je crois donc que les fichiers sources sont des images. Que faire dans ce cas pour savoir si un mot se répète dans tous les documents ?

Hé bien déjà tu pourrais te documenter un peu plus sur les pdfs, parce qu'ils ne sont pas tous comme ceux dont tu parles ci-dessus.

Par exemple, j'ai récupéré ce qui suit à la va-vite dans un pdf parlant des... pdfs, lol !, simplement en sélectionnant tout à la souris puis "clic droit / copier"

En janvier 2005, l’associa-
tion PDFX-ready fut créée à
l'aide d’un large soutien de
l’industrie graphique (voir
encadré). Cette initiative
suisse a pour but d’aider
la norme ISO 15930, plus
connue sous PDF/X, à percer
dans l’échange de docu-
ments PDF. La norme ISO
PDF/X promet de rendre les
processus de production
dans l’industrie graphique
plus sûrs et plus efficaces.

Comme tu peux le voir, il s'agit de texte tout simple.

Maintenant, si tu n'as que des images (et c'est peut-être lié aux pdfs qu'on te fournit pour faire le travail), hé bien il te restera la solution d'extraire les images et de les transformer en texte avec un logiciel d'OCR, texte que tu pourras alors analyser.

Attention, selon la qualité des images, ça fonctionnera bien ou mal : les logiciels d'OCR sont chatouilleux sur la qualité des images à traiter.