Mappage du texte PDF

Silktide vérifie que le texte dans un PDF peut être récupéré en tant que texte. Une page PDF n’enregistre pas des lettres, elle enregistre des instructions pour dessiner des formes, et un mappage distinct à l’intérieur du fichier indique quel caractère correspond à chaque forme. Lorsque ce mappage est absent, les mots sont visibles mais illisibles pour les logiciels.

Ces formes sont des , et le mappage relie chacune d’elles à son caractère . Sans cela, le texte ne peut pas être lu à voix haute, recherché ou copié, aussi net qu’il paraisse à l’écran.

Pourquoi c’est important

Cette défaillance est particulièrement trompeuse, car la page semble parfaite. Le texte est net, il est sélectionnable, il s’imprime magnifiquement, et rien à l’ouverture du document ne laisse penser à un problème. Puis, quelqu’un copie un paragraphe et colle du charabia, ou un lit une page de syllabes insensées, ou n’annonce rien du tout.

Parce qu’elle est invisible pour la personne qui publie le document, elle est souvent découverte par celle qui en dépend. Un lecteur ou une lectrice qui entend un flot de bruits ne peut pas savoir si le document est défectueux ou si c’est son logiciel, et dans tous les cas le contenu est perdu.

Les conséquences vont au‑delà de l’accessibilité. Un texte qui ne peut pas être extrait ne peut pas être indexé par un moteur de recherche, ne peut pas être trouvé par la recherche de votre propre site, ne peut pas être traduit et ne peut pas être cité par qui que ce soit. C’est pourquoi un document par ailleurs bien conçu ne donne parfois aucun résultat pour une expression pourtant clairement imprimée en son sein.

Comment corriger

Réexportez depuis la source avec les polices correctement incorporées, ce qui règle la grande majorité de ces cas. Le mappage est écrit par le processus d’exportation; réexporter avec un outil à jour suffit généralement.
Évitez d’imprimer en PDF. Les pilotes d’impression en sont la cause la plus fréquente, car l’impression décrit une page comme des marques à poser sur du papier et supprime le texte sous‑jacent. Utilisez plutôt l’exportation de l’application ou « Enregistrer en PDF ».
Attention aux polices d’icônes et de symboles. Les polices décoratives et dingbats n’ont souvent aucun caractère pertinent derrière chaque forme. Lorsqu’un symbole a une signification, utilisez un vrai caractère ou une image décrite; s’il est décoratif, marquez‑le comme un .
Faites reconstruire le mappage. La remédiation par Silktide reconstruit les mappages manquants lorsque c’est possible, et fournit un texte parlé correct pour les passages qu’il est impossible de mapper. Voir Fonctionnement de la remédiation PDF.
Reconnaissez le texte si la page est en réalité une image. Un document numérisé n’a pas de texte à mapper; la solution est donc l’ plutôt qu’une réparation. Voir Documents numérisés.

Comment Silktide teste cela

Repère les documents PDF liés depuis votre site Web et analyse chaque fichier unique une seule fois, quel que soit le nombre de pages qui y mènent.
Lit les instructions de dessin du texte sur chaque page et remonte chaque glyphe jusqu’au caractère qu’il est censé représenter.
Signale le document lorsqu’un glyphe n’a aucun mappage valide vers un caractère Unicode.
Signale chaque document une seule fois, quelle que soit la quantité de texte touchée.

Le texte qui affiche le caractère de substitution d’une police pour caractères manquants est signalé plutôt par Polices PDF, car la cause est alors la police et non le mappage.

Dépannage

Je peux sélectionner et copier le texte, alors quel est le problème?

Sélectionner du texte et le récupérer sont deux opérations différentes. Le lecteur vous permet de sélectionner la région que vous avez cliquée; ce qui arrive dans le presse‑papiers est ce que le mappage indique pour ces glyphes. Collez‑le dans un éditeur de texte brut et comparez‑le avec la page — s’il revient illisible, vous voyez exactement ce qu’un lecteur d’écran reçoit.

Seuls quelques caractères sont touchés

C’est courant et cela vaut quand même la peine d’être corrigé, car les caractères touchés sont rarement aléatoires. Il s’agit généralement d’une police utilisée pour un usage précis, donc les dommages affectent toutes les puces, tous les symboles mathématiques ou toutes les fractions du document.

Le document est un formulaire

Les formulaires combinent souvent des polices provenant de plusieurs sources, et les libellés de champs dessinés avec une police de symboles en sont une cause fréquente. Vérifiez les libellés ainsi que tout caractère personnalisé de case à cocher ou de bouton radio. Voir Formulaires interactifs.