Extraction de donnée d'un PDF normé vers un Excel
Bonjour à toutes et à tous!
J'aimerai développer un script vba/vbs afin d'extraire des données d'un fichier PDF normé et les enregistrer dans un fichier excel.
En pj, une image d'un bout de page où j'ai volontairement caché le texte. Si vous souhaitez avoir un exemple d'un fichier pdf normé comme les miens, je vous invite à suivre ce lien http://www.ssi.gouv.fr/administration/bonnes-pratiques/
Je souhaite que le script fasse :
- la détection des rectangles bleu et jaune;
- qui récupère les données dans ces rectangles (il n'y a que le texte à l'intérieur des rectangles qui m'intéresse) et le numéro de page où se trouvait le texte;
- les colles dans un fichier Excel.
J'ai essayé d'enregistrer depuis adobe Reader en format texte, mais chaque mot est séparé par un retour chariot.
Merci par avance de votre aide
Bonsoir Mauro,
J'ai jeté un oeil sur les PDFs de la page "http://www.ssi.gouv.fr/administration/bonnes-pratiques/" et j'ai constaté que tous n'étaient de format identique.
Peux-tu indiquer au moins l'un de ces PDF que tu veux traiter?
Mauro,
Et le nom d'un PDF à traduire? Peut-être ai-je une solution à proposer...
Bonsoir Mauro,
J'ai jeté un oeil sur les PDFs de la page "http://www.ssi.gouv.fr/administration/bonnes-pratiques/" et j'ai constaté que tous n'étaient de format identique.
Peux-tu indiquer au moins l'un de ces PDF que tu veux traiter?
Bonjour Gvialles,
oui par exemple http://www.ssi.gouv.fr/administration/guide/recommandations-de-securisation-dun-pare-feu-stormshield-network-security-sns/
le document version 1, la version 2 n'a pas le même format normé.
Merci de ton aide
OK Mauro, j'y vois plus clair dans ta demande.
As-tu accès à l'un des composants suivants :
- Convertiseur WORD DOCX dans ACROBAT READER DC
- Acrobat Access X.X Type Library (accessibility.api)
J'ai Acrobat Reader version 11 d'installé sur les postes de bureau.
Je ne vois pas où puis-je trouver :
- Convertiseur WORD DOCX
- Acrobat Access X.X Type Library (accessibility.api)
Cela fait bien longtemps que j'ai quitté Adobe comme lecteur de fichier PDF (en usage personnel). Cela justifie mes faiblesses avec ce soft
OK, si tu as Acrobat Reader 11, tu dois pouvoir convertir en WORD docX :
Aussi, je te propose d'explorer le process suivant :
- Tu convertis en DOCX le PDF.
- Dans un Excel, un formulaire te permets d'indiquer le DOCX issu de la conversion.
- Un Vba utilisant les objets WORD, réalise la recherche et le report des éléments que tu veux extraire du PDF dans un feuille.
Si tu es d'accord sur ce process, je peux te guider pour l'écriture du VBA.
Je suis ouvert à toute solution dans la mesure ou le SI me le permet
Cependant, sur Reader 11, je ne trouve pas l'option pour le convertir au format word.
Quand je fais "enregistrer sous autre --> texte (txt)" cela me donne un fichier txt avec un retour chariot après chaque mots.
Bonjour Mauro,
Je propose un début de solution dans le classeur joint. Je l'ai testé la conversion du PDF https://www.ssi.gouv.fr/administration/guide/recommandations-de-securisation-dun-pare-feu-stormshield-network-security-sns/. Il est donc à adapter en fonction fonction du format des autres PDF à résumer.
Bonjour GVIALLES,
Je vais jeter un oeil, je te remercie.
Désolé du délai de réponse, j'étais malade et incapable d'utiliser un ordinateur. Je reviens ici une fois ton fichier testé
Mauro
PS : petit test, je n'ai pas trop eu le temps de tester plus en profondeur car je dois rattraper mon retard
Bonsoir Mauro,
Il est nécessaire que tu références l'application WORD dans VBA.
Pour réaliser ce référencement, tu vas dans VBA, tu choisis dans le menu Outils/Références... et dans la liste tu cherches "Microsoft Word xx" et tu coches devant. Comme ça :
Bonjour GVIALLES,
Franchement, vous êtes un dieu d'Excel !
Cela me donne envie de creuser plus car c'est vraiment très très puissant !
Merci beaucoup de votre aide !
PS : La colonne C correspond à quelque chose du document? Je vais jeter un oeil sur ton code vba pour corriger le numéro de page, car elle ne correspond pas avec l'extraction.
Ex : J'ai un rectangle /!\ en page 5 dans le pdf et le world qui une fois extrait est assigné à la page 4 dans le fichier Excel. Ce qui est faux.
Je vais aussi supprimer les "+" en début de colonne B mais aussi les lignes avec R1 R2 R3 RX et les "!" pour les mettre dans une colonne face à la ligne correspondante. Comme ci-dessous :
Pourrais-je abuser une dernière fois de ton aide?
Si j'ai bien compris le code, c'est ici que tu écris sur le fichier Excel
Select Case sZoneType
Case cZoneAttention
lPage = oShape.Anchor.Sections(1).Index + cFirstPage
lTop = i
For j = 1 To oShape.GroupItems.Count
Set oItem = oShape.GroupItems(j)
If oItem.TextFrame.HasText Then
If Len(sTexte) = 0 Then
sTexte = "! "
End If
sTexte = sTexte & oItem.TextFrame.TextRange.Text
End If
Next
Case cZoneRecommandation
lPage = oShape.Anchor.Sections(1).Index + cFirstPage
sTexte = oShape.TextFrame.TextRange.Text
lTop = i
If Left(sTexte, 1) <> "R" Then
sTexte = ""
Else
End If
Case cZoneRecommandationBis
lPage = oShape.Anchor.Sections(1).Index + cFirstPage
sTexte = "+ " & oShape.TextFrame.TextRange.Text
lTop = i
Case Else
sTexte = ""
End Select
If Len(sTexte) > 0 Then
addnewline sTexte, lPage, lTop
End IfVoir ici
Sub addnewline(zText As String, zPage As Long, zTop As Long)
Dim oSheet As Excel.Worksheet
Dim oCell As Excel.Range
lRow = lRow + 1
Set oSheet = ThisWorkbook.Worksheets(cSheetname)
Set oCell = oSheet.Cells(lRow, 1)
With oCell
.Value = zText
.WrapText = True
.Offset(, 1) = zPage
.Offset(, 1).VerticalAlignment = xlCenter
.Offset(, 1).HorizontalAlignment = xlCenter
.Offset(, 2) = zTop
End With
Set oSheet = Nothing
Set oCell = Nothing
End SubPour le coup, le code est trop complexe pour moi
Bonjour Mauro,
Je suis un peu booké aujourd'hui pour reprendre le sujet. Je m'y penche demain et te donne des news.