Mappage du texte PDF

Silktide vérifie que le texte d’un PDF peut être récupéré en tant que texte. Une page PDF ne stocke pas des lettres ; elle stocke des instructions pour dessiner des formes, et un mappage séparé dans le fichier enregistre quel caractère représente 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 lui, le texte ne peut pas être lu à voix haute, recherché ni 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 parfaitement, 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 incohérentes, voire 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 qui n’entend qu’un flot de bruit ne peut pas savoir si le document est cassé ou si son logiciel l’est ; dans les deux cas, le contenu est perdu.

Les conséquences dépassent 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 quiconque. C’est pourquoi un document par ailleurs bien conçu ne renvoie parfois aucun résultat pour une expression pourtant clairement imprimée en son sein.

Comment y remédier

Réexportez depuis la source avec des polices correctement intégrées, ce qui résout la quasi-totalité de ces cas. Le mappage est écrit par le processus d’export ; réexporter avec un outil à jour suffit généralement.
Évitez l’impression vers PDF. Les pilotes d’impression en sont la cause la plus courante, car l’impression décrit une page comme des marques à poser sur le papier et écarte le texte sous-jacent. Utilisez plutôt l’export de l’application ou « Enregistrer au format PDF ».
Soyez attentif aux polices d’icônes et de symboles. Les polices décoratives et dingbats n’ont souvent pas de caractère cohérent derrière chaque forme. Lorsqu’un symbole porte un sens, utilisez un vrai caractère ou une image décrite ; lorsqu’il est décoratif, marquez-le comme un .
Faites reconstruire le mappage. La remédiation Silktide reconstitue les mappages manquants lorsque c’est possible et fournit un texte énoncé correctement pour les passages qu’elle ne peut pas mapper. Voir Fonctionnement de la remédiation PDF.
Reconnaissez le texte si la page est en réalité une image. Un scan n’a pas de texte à mapper ; la correction relève donc de l’ plutôt que de la réparation. Voir Documents numérisés.

Comment Silktide teste cela

Trouver les documents PDF liés depuis votre site web et analyser chaque fichier unique une seule fois, quel que soit le nombre de pages qui y renvoient.
Lire les instructions de dessin du texte sur chaque page et remonter chaque glyphe jusqu’au caractère qu’il est censé représenter.
Signaler le document lorsqu’un glyphe n’a pas de correspondance valide vers un caractère Unicode.
Ne signaler chaque document qu’une seule fois, quelle que soit l’étendue du texte concerné.

Le texte qui affiche le caractère de remplacement « manquant » d’une police est signalé par Polices PDF à la place, car la cause est alors la police elle‑même et non le mappage.

Dépannage

Je peux sélectionner et copier le texte, où est le problème ?

Sélectionner du texte et le récupérer sont deux opérations différentes. Le lecteur vous permet de sélectionner la zone sur laquelle vous avez cliqué ; ce qui arrive dans le presse‑papiers est ce que le mappage dit que ces glyphes signifient. Collez-le dans un éditeur de texte brut et comparez‑le à la page : s’il ressort brouillé, vous voyez exactement ce qu’un lecteur d’écran reçoit.

Seuls quelques caractères sont concernés

C’est fréquent et cela vaut tout de 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 ; les dégâts affectent alors toutes les puces, tous les symboles mathématiques ou toutes les fractions du document.

Le document est un formulaire

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