Extracto Commento — PDF vers Excel

Version 0.8.1 · 3 octobre 2026

La version 0.8.1 harmonise uniquement l’interface avec la charte QuickerUnits : bleu marine, turquoise et menthe, cartes blanches, champs et boutons cohérents. Le dépôt de PDF, les étapes 1–2–3, l’extraction et les exports restent ceux de la version 0.8.

Application statique PDF seulement : ouvrir un document ou un lot de PDF, vérifier les commentaires dans un tableau avec recherche et filtres, puis télécharger un classeur Excel. Traitement 100 % local : aucun document n’est envoyé en ligne. Les dépendances sont incluses dans vendor/; aucune connexion Internet n’est nécessaire pendant l’utilisation locale.

Essayer en ligne

Ouvrir Extracto Commento

Choisir un PDF, vérifier les commentaires et télécharger Excel. Le fichier PDF reste sur l’appareil; GitHub Pages fournit les fichiers de l’interface. Utiliser Essayer un exemple pour découvrir l’outil avec un PDF synthétique.

Pour combiner plusieurs documents, sélectionner Plusieurs PDF → un Excel. Choisir plusieurs fichiers ou les déposer successivement, y compris pendant l’analyse. La zone de dépôt reste ouverte et chaque PDF affiche son état. Télécharger ensuite un seul Excel : les commentaires sont réunis dans un tableau avec une colonne Fichier, et l’onglet Fichiers récapitule les sources, les quantités et les éventuels échecs. Effacer / changer vide le lot; changer de mode démarre une nouvelle extraction.

La cible de 300 Mo et 500 pages par PDF reste à valider sur des documents réels représentatifs. Les résultats des essais sont décrits dans VALIDATION.md.

Démarrer en local sur Windows

1. Double-cliquer sur Lancer.cmd.
2. Le navigateur s’ouvre sur http://127.0.0.1:8765. Garder la fenêtre du serveur ouverte.
3. Choisir un PDF ou utiliser Essayer un exemple.
4. Vérifier le tableau, puis cliquer sur Télécharger Excel.
5. Pour arrêter, fermer la fenêtre du serveur ou appuyer sur Ctrl+C.

Si le serveur est déjà lancé, ouvrir simplement l’adresse ci-dessus. Si le port est utilisé par autre chose, lancer depuis PowerShell :

$env:PORT = '8766'
node server.mjs --open

Le lanceur utilise Node.js présent dans le PATH, ou celui fourni par Codex sur ce poste. Sur un autre ordinateur, installer Node.js LTS ou servir ce dossier avec un autre serveur statique. Le serveur local ne lit pas les PDF choisis par l’utilisateur : il fournit seulement les fichiers de l’interface et l’exemple synthétique.

Ne pas ouvrir index.html directement en double-cliquant dessus. Les modules JavaScript et workers demandent une adresse HTTP locale ou HTTPS.

Comportement

• Mode Un PDF ou Plusieurs PDF → un Excel, par sélection ou glisser-déposer. En mode lot, les PDF sont analysés successivement et les fichiers terminés sont libérés; leurs commentaires restent en mémoire jusqu’à l’effacement ou au rechargement de la page.
• Notes (Text), zones de texte (FreeText), surlignages (Highlight), textes barrés (StrikeOut) et lignes (Line).
• Règles 0.6 conservées : surlignages sans note et lignes sans contenu exclus; textes barrés sans note retenus.
• Texte couvert par un surlignage ou un texte barré estimé à partir de la géométrie PDF, marqué comme estimé dans l’interface.
• FR/EN détecté selon le navigateur et modifiable manuellement.
• Tableau en lecture seule, recherche, filtres auteur/type/page, filtre fichier en mode lot et pagination de 50 lignes.
• Export des cinq colonnes No, Page, Auteur, Date, Commentaire pour un seul PDF. En mode lot : No, Fichier, Page, Auteur, Date, Commentaire et un onglet Fichiers. Numérotation globale des commentaires; numéros de page propres à chaque PDF.
• L’export principal conserve tous les commentaires retenus, indépendamment des filtres du tableau. Le bouton affiche la quantité exportée.
• Fichier : nom_du_pdf_extraction_comm.xlsx, ou Extracto_Commento_lot_extraction_comm.xlsx pour un lot. Le navigateur décide de l’emplacement et des collisions de noms.
• Avertissements sur les exclusions, types non pris en charge et texte couvert manquant.
• En cas de page, texte ou fichier illisible : résultat partiel, acceptation explicite avant l’export et avertissement dans Excel. Un PDF invalide ne bloque pas les suivants dans un lot.
• Annulation de l’analyse ou de la génération Excel; en mode lot, les PDF déjà terminés restent disponibles et les fichiers annulés sont signalés. Effacer vide l’extraction.
• Le pied de page présente Anthony Chéruel, la date de mise à jour, le lien du dépôt GitHub et le même avertissement que le fichier Excel.

L’interface, les fichiers Excel générés et les ressources de cette version ont une identité indépendante. Aucun asset de marque de la version bureau n’a été repris. Les données présentes dans les PDF importés restent les données du document original.

Gros fichiers et limites

Objectif : fichiers jusqu’à 300 Mo et 500 pages sur ordinateur. PDF.js reçoit les portions demandées depuis File.slice(); les pages sont traitées successivement, sans rendu d’images. Le texte est demandé seulement sur les pages contenant des marquages retenus. Le classeur est créé dans un autre worker.

Cette stratégie évite de charger et copier volontairement tout le fichier dans le fil principal. PDF.js garde néanmoins ses propres structures et buffers, qui peuvent consommer beaucoup de mémoire. Le nombre d’objets, la compression et les polices influencent les performances. Voir VALIDATION.md pour ce qui a réellement été testé.

Les annotations aplaties dans une image ne sont pas récupérables avec ce moteur. Pas d’OCR ni d’extraction Word. Déverrouiller les PDF protégés avant utilisation. Les extensions de Bluebeam, Foxit ou Adobe (mesures, états, groupes, etc.) ne sont pas garanties : les cinq types standard ci-dessus sont la cible. Une ligne annotée est libellée « Dimension ajoutée » comme en 0.6; aucune mesure n’est recalculée.

Le texte couvert peut inclure plus de caractères que la sélection lorsque le PDF regroupe le texte en grands fragments. Vérifier contre le PDF original. Un commentaire dépassant 32 767 caractères bloque l’export Excel; aucun texte n’est tronqué silencieusement.

Fichiers principaux

Fichier	Rôle
index.html / styles.css	Interface
app.js	État, filtres, traductions, téléchargement
extract.js	Lecture par portions, PDF.js, normalisation et géométrie
format.js	Libellés, dates et chaînes Excel
export-worker.js	Création du classeur dans un worker
vendor/	PDF.js 5.6.205, ExcelJS 4.4.0, ressources et licences
example.pdf	Démonstration synthétique de cinq annotations
server.mjs / Lancer.cmd	Serveur local et lanceur Windows
tests/	Essais navigateur et générateur de documents synthétiques

Vérifications reproductibles

Aucune installation de package n’est nécessaire pour utiliser l’application. Pour exécuter les essais, utiliser Node.js, Google Chrome et les dépendances de développement installées, ou les bibliothèques du runtime Codex déjà présentes sur ce poste.

node tests/smoke.mjs
node tests/smoke.mjs --stress

Sur un poste sans les bibliothèques Codex, lancer npm install dans ce dossier avant les tests. Les dépendances de développement servent uniquement aux tests et ne sont pas requises pour l’app.

Pour Microsoft Edge :

$env:TEST_BROWSER = 'msedge'
node tests/smoke.mjs
Remove-Item Env:TEST_BROWSER

Les tests fabriquent des PDF synthétiques dans tests/generated/, écrivent les captures et Excel contrôlés dans tests/output/, et lisent aussi le PDF d’exemple historique lorsqu’il est présent dans le dossier parent. Le mode --stress crée un PDF de 300 Mo avec un gros flux embarqué et 500 pages annotées. Ce fichier volumineux peut être supprimé après l’essai.

Préparation pour GitHub Pages

Les fichiers de l’application utilisent des chemins relatifs. Publier index.html, styles.css, favicon.svg, app.js, format.js, extract.js, export-worker.js, example.pdf et vendor/, avec les licences. Le serveur Node et les tests ne sont pas nécessaires sur GitHub Pages. Le site peut être servi sous /nom-du-depot/.

GitHub Pages sert la branche main depuis la racine. Le fichier .nojekyll conserve les ressources statiques et leurs noms. Un push sur main publie la version suivante.

Les licences des dépendances sont conservées dans vendor/. Cette première distribution contient le code web et des exemples synthétiques; elle ne contient pas de documents de travail.