Simple Text Extractor V1.0

Simple Text Extractor v1.0 :

Points Clés de la v1.0

Nouveau Moteur OCR : Intégration directe de Pytesseract (pour l'OCR) et pypdfium2 (pour le rendu et la manipulation de PDF).

Performance Parallélisée : Utilisation de multiprocessing.Pool pour traiter les pages PDF en parallèle, exploitant au maximum les cœurs de processeur disponibles et réduisant drastiquement le temps de traitement.

Traitement Intelligent : L'OCR n'est exécuté que si nécessaire. L'application détecte les PDF contenant déjà une couche de texte et les copie simplement, sauf si l'option "Forcer OCR" est activée.

Gestion Autonome des Dépendances : L'application localise et configure automatiquement les dépendances embarquées (comme Tesseract et TESSDATA_PREFIX) au démarrage.

Fonctionnalité Principale

L'objectif de "Simple Text Extractor" est de garantir qu'un document PDF ou une image possède une couche de texte consultable ("searchable").

Pour les fichiers PDF : Il analyse chaque page. Si du texte est présent, la page est copiée. Si elle n'en a pas (cas d'un PDF "image"), il effectue un OCR et ajoute une couche de texte invisible.

Pour les fichiers Image (PNG, JPG, etc.) : Il effectue un OCR sur l'image et génère un nouveau fichier PDF d'une seule page contenant l'image et la couche de texte correspondante.

Fichiers Pris en Charge

Entrée : .pdf, .png, .jpg, .jpeg, .tiff, .bmp

Sortie : Toujours .pdf

Ce programme est maintenant disponible via le Microsoft store : https://apps.microsoft.com/detail/9NVRKF4X80JZ?hl=fr-be&gl=BE&ocid=pdpshare ou taper simplement "Simple Text Extractor" dans la barre de recherche du store.