Récupérer et trier des données depuis un PDF et les exporter sous un autre format

Bonjour,
je me tourne vers vous car je pense que vous pourrez m'aider a y voir plus clair sur comment optimiser la création d'une note plus concise (type OneNote) depuis un PDF. Je script un peu en VBS mais je ne suis pas sûr que ce langage soit adapté à ce que je veux faire .
J'ai des fiches PDF avec un tas d'informations qui ne m'intéressent pas. Je cherche à récupérer toujours les mêmes données (d'où l'idée d'automatisation):

• elles ont toujours la même dénomination de catégorie

• elles ne sont pas toujours à la même place

• elles n'ont pas toujours la même longueur

ci dessous un exemple des infos que je reçois
Pièce jointe 606076
Par exemple parfois le code insee est correctement rempli et non dans le en lieu dit.

L'idée c'est de trouver ce qui me permettra de faire une fiche synthétique sur One Note à partir d'une automatisation. J'ai pensé ouvrir le PDF sur excel mais comme les infos ne sont pas au mêmes endroits je ne peux pas aller chercher dans la bonne cellule. De plus il faut importer le fichier dans excel. Je me disais que quelque chose type SQL en ouvrant la fiche PDF dans un navigateur pourrait permettre plus de flexibilité mais je ne suis pas assez à l'aise pour me dire si c'est possible et que ça vaut le coup de chercher ou si c'est pas viable ainsi et qu'il faut que je passe par une autre méthode (je suis preneur de tout).

Merci de m'avoir lu et je vous remercie d'avance pour vos contributions!

Bonjour,

Tout est faisable, mais il faut savoir ce que tu veux faire !

Dans le cas du code INSEE dont tu parles, il faut répondre aux questions suivantes :

• Est-ce qu'il est forcément dans un de ces 2 champs ?
• S'il n'est pas là, que faut-il faire ?
• S'il est présent 2 fois, quelle valeur prendre ?
• ...

Après, il faut aussi savoir à quels outils tu as accès, et ce que tu connais. Personnellement, j'utiliserai un outil shell, du genre grep (simple mais peu puissant) ou awk (complexe et beaucoup plus puissant), à supposer que les données soient en texte dans ton PDF (qui peut aussi contenir des images). Tu parles de VB, je suppose donc que tu es sous Windows ?

Bonjour,
merci pour le début de réponse et pour répondre

• Est-ce qu'il est forcément dans un de ces 2 champs ?
  oui
• S'il n'est pas là, que faut-il faire ?
  cela ne s'est jamais produit, mais il faut générer le résumé car la correction demande une intervention humaine
• S'il est présent 2 fois, quelle valeur prendre ?
  techniquement ce n'est pas possible

En effet je suis dans un environnement windows, et en effet les PDF sont toujours au format texte. Je pense pas que je peux installer un serveur de type wamp.. Du coup les outils sont assez limités en effet, néanmoins je dois pouvoir faire du SQL via
access si ça peut être une solution ...
Comme je disais je souhaite reprendre une tache répétitive de création d'une fiche résumé sur OneNote (ça peut se changer) depuis une fiche PDF.

Merci pour les suggestions

Hello,

Je ne connais pas du tout VB ou VBS, mais en gros je pense que ton algo sera le suivant :

Code:

---

1 2 3 4 5 6 7 8

Recherche le champs INSEE, prends le champs suivant Si pas trouvé Recherche l'autre champs, prends le suivant Si pas trouvé afficher erreur FSi Fsi

---

Où est-ce que tu coinces ?

Les fichiers PDF ne sont pas au format texte dans mes souvenirs, mais dans un format qui est cauchemardesque à analyser.
Ce sera justement là la majorité du problème: trouver les champs qu'on cherche et leur valeur.

Bonjour,
@Médinoc : je fais un bête copier coller dans excel et il m'affiche une ligne par cellule de la colonne A. C'est pas pire que ce que je pensais ...
@gangsoleil : ça devrait ressembler à ça en effet.

En gros je vais devoir fonctionner avec des loops et des if pour lire toutes les données et faire des recherches de caractères. Ça doit être le début de la solution je pense.
Je fais quelques essais sur le VB et je reviens vers vous.
Merci

Le résultat d'un copier-coller dans Excel devrait en effet être beaucoup plus facile à analyser (surtout en VBA) que le fichier .pdf lui-même.

J'abonde dans le sens de Medinoc.
PDF est un format descriptif pour l'impression.
Tout est à base de boîte positionnées selon leurs coordonnées. Pas de notion de titre, par exemple.

A analyser par programme, autant que je me souvienne, c'est à mi-chemin entre le texte et le jpg.
Donc, pour moi, le plus efficace, c'est de trouver un convertisseur appelable en ligne de commande ou une bibliothèque dans le langage voulu pour enregistrer le pdf au format texte et de travailler sur le résultat.
Sinon, c'est vraiment casse bonbons, le pdf.