Lorsque le texte à supprimer dans plusieurs PDF n'est pas exactement identique, par exemple lorsque le mois peut être avril ou mai, ou que l'année peut être n'importe quel nombre à quatre chiffres, la suppression manuelle une par une est très inefficace. Cet article, en combinant l'interface réelle de HeSoft Doc Batch Tool , explique comment importer plusieurs PDF, utiliser des formules de recherche floue de texte et laisser le contenu de remplacement vide, afin de supprimer en masse des mots-clés variables dans les PDF. Cela s'applique à des scénarios bureautiques tels que l'anonymisation de rapports, le nettoyage des dates avant la publication de documents et le traitement par lots de contrats.
De nombreux employés de bureau, lorsqu'ils traitent des documents PDF, rencontrent une tâche apparemment simple mais très chronophage : dans un lot de PDF, il y a des textes à supprimer, mais ces textes ne sont pas complètement identiques. Par exemple, dans certains fichiers, il peut y avoir April 13, 2017, dans d'autres May 13, 2018, ou bien l'année, le mois, le numéro varient selon le fichier. Si l'on s'en remet uniquement à la recherche manuelle avec un lecteur PDF, traiter un fichier prend quelques minutes, et des dizaines de fichiers deviennent alors une tâche répétitive.
Cet article présente une méthode de traitement plus adaptée au travail par lots en bureau : utiliser HeSoft Doc Batch Tool , sélectionner « Rechercher et remplacer des mots-clés dans le PDF » dans l'outil PDF, puis utiliser la recherche de texte par formule floue pour remplacer le contenu trouvé par du vide. Cela permet de supprimer en lot du texte non fixe dans plusieurs PDF. La logique centrale de tout le processus est : d'abord ajouter tous les PDF à la liste des tâches, puis décrire le texte à supprimer à l'aide de règles avec caractères génériques ou formules, et enfin laisser le logiciel traiter automatiquement fichier par fichier.
Scénarios d'application : la suppression floue est plus adaptée pour les mots-clés non fixes que les mots-clés fixes
S'il suffit de supprimer un mot fixe, comme un nom d'entreprise spécifique ou un code de projet fixe, une recherche exacte est suffisante. Mais dans le traitement réel de documents, le contenu à supprimer présente le plus souvent une certaine régularité sans être totalement identique. Par exemple, les mois en anglais peuvent être April, May, etc., des valeurs différentes ; l'année peut être 2017, 2018, 2020 ou n'importe quel nombre à quatre chiffres ; les numéros de rapport peuvent contenir différents numéros de série ; les numéros de contrat peuvent être composés de lettres et de chiffres.
Si l'on saisit des mots-clés fixes un par un pour ce type de contenu, non seulement le nombre de règles est important, mais des éléments risquent d'être omis. L'utilisation de la recherche de texte par formule floue permet de cibler « un type de texte ». Par exemple, dans la capture d'écran, April|May peut être compris comme correspondre à April ou May, \d{4} comme correspondre à quatre chiffres. De cette manière, supprimer en lot des dates, années, numéros ou champs sensibles dans un PDF est plus efficace.
Les scénarios d'application typiques incluent : supprimer les informations de date avant de diffuser publiquement un rapport PDF ; nettoyer en lot les numéros non publics dans les contrats PDF ; supprimer une partie de l'année ou du mois dans des documents d'audit ; nettoyer les champs d'anciennes versions dans les supports de formation, notices, lots de documentation ; effectuer un masquage unifié sur plusieurs échantillons PDF.
Aperçu du résultat : Fichiers PDF à nettoyer par lot avant le traitement
Dans cet exemple, le dossier à traiter contient 4 fichiers PDF, nommés respectivement 1.pdf, 2.pdf, 3.pdf, 4.pdf. Bien que le nombre de fichiers d'exemple soit peu élevé, la méthode d'opération est tout aussi applicable à un plus grand nombre de PDF. L'avantage en termes d'efficacité du traitement par lot est encore plus évident pour des dizaines, voire des centaines de fichiers.
En ouvrant l'un des PDF, on peut voir que la page contient le contenu de date April 13, 2017. La capture d'écran montre, encadrés en rouge, les deux emplacements à supprimer : April et 2017. Le besoin ici n'est pas de supprimer toute la page du PDF, ni le titre entier, mais seulement de supprimer le contenu textuel correspondant à la règle.
Ce type de PDF est généralement un rapport, une notice, un fichier d'archive ou un document public. Si un fichier comporte des dizaines de pages, certains mots-clés peuvent être dispersés à différents endroits, et la recherche manuelle page par page peut facilement en omettre. L'utilisation de la fonction de recherche et remplacement par lot permet au logiciel de traiter automatiquement selon des règles unifiées.
Aperçu du résultat : Après traitement, les mots-clés cibles sont supprimés, le reste du contenu est conservé
Une fois le traitement terminé, April et 2017 ont disparu du PDF, l'emplacement d'origine devient une zone vide, tandis que « 13, » est conservé. Ce résultat montre que le logiciel n'a pas simplement supprimé la ligne ou le paragraphe entier, mais a supprimé le texte trouvé selon les règles de mots-clés.
Pour les scénarios de bureau nécessitant un masquage ou le nettoyage d'informations au format fixe, cette méthode est très pratique. Elle permet de supprimer des mots-clés correspondant aux règles établies tout en conservant la mise en page générale du PDF, les titres, les tampons, les pieds de page, etc. Surtout lorsque plusieurs PDF ont une structure de contenu similaire, une seule configuration de règle peut être réutilisée.
Étape 1 : Ouvrir la fonction de recherche et remplacement de mots-clés dans l'outil PDF
Après avoir ouvert HeSoft Doc Batch Tool , choisissez d'abord « Outils PDF » dans la barre de navigation de gauche. Dans la liste des fonctions de l'interface principale, trouvez « 1. Rechercher et remplacer des mots-clés dans le PDF ». La description de cette fonction est « Rechercher et remplacer par lot des mots-clés dans le contenu du fichier PDF », ce qui correspond exactement à la suppression par lot de texte PDF que cet article vise à réaliser.
Le but du choix de cette fonction est d'entrer dans le processus de recherche et remplacement au niveau du contenu du PDF. D'autres fonctions PDF sont également visibles dans l'interface, telles que Ajouter une protection par mot de passe au PDF, Supprimer la protection par mot de passe du PDF, Ajouter un filigrane au PDF, Convertir PDF en Word, etc., mais cette tâche ne concerne que le nettoyage de mots-clés dans le corps du PDF, il ne faut donc pas se tromper de module.
Étape 2 : Importer plusieurs PDF et confirmer la liste des tâches
Après être entré dans la page de la fonction, la barre de progression indique que l'on est à l'étape 1 « Sélectionner les enregistrements à traiter ». En haut à droite de la page, deux entrées principales sont proposées : « Ajouter des fichiers » et « Importer des fichiers depuis un dossier ». Si les fichiers sont dispersés, on peut utiliser « Ajouter des fichiers » ; si tous les PDF se trouvent dans le même répertoire, utiliser « Importer des fichiers depuis un dossier » est un gain de temps.
La capture d'écran montre que 4 PDF ont déjà été importés, et la liste affiche des informations comme le numéro d'ordre, le nom, le chemin, l'extension, la date de création, la date de modification, etc. On peut voir que les extensions sont toutes pdf, ce qui confirme que seuls des fichiers PDF ont été ajoutés. En bas, le résumé affiche un nombre d'enregistrements de 4. Après avoir vérifié que les fichiers sont corrects, cliquez sur « Étape suivante » en bas.
À cette étape, il est conseillé de vérifier attentivement deux points : premièrement, si tous les PDF à traiter ont bien été ajoutés ; deuxièmement, si des fichiers ne devant pas être modifiés ont été ajoutés par erreur. Si la liste contient des fichiers à ne pas traiter, ils peuvent être retirés via l'icône de suppression dans la colonne des opérations. Le traitement par lot est très efficace, mais à condition que le périmètre de la tâche soit précis.
Étape 3 : Activer la recherche de texte par formule floue
Cliquez sur étape suivante pour accéder à « Configuration des options de traitement ». Dans « Configurer les options de mots-clés », le mode de recherche peut être choisi. L'interface propose deux options : « Recherche de texte exacte » et « Utiliser la recherche de texte par formule floue ». Cet exemple choisit « Utiliser la recherche de texte par formule floue », car les mois et les années à supprimer ne sont pas des chaînes de caractères complètement fixes.
S'il s'agissait seulement de supprimer le mot April, choisir la recherche de texte exacte conviendrait aussi. Mais si l'on souhaite correspondre simultanément à April et May, ou même à toutes les années à quatre chiffres, il faut alors utiliser des règles floues. L'avantage de la recherche floue est qu'elle peut décrire un contenu similaire mais non identique de manière unifiée, réduisant ainsi le nombre de règles.
Dans la capture d'écran, la « liste de mots-clés à rechercher » contient deux lignes : April|May et \d{4}. La première ligne sert à trouver April ou May, la seconde à trouver quatre chiffres. La « liste de mots-clés après remplacement » à droite n'est pas renseignée, et l'interface indique clairement « Ne pas remplir signifie supprimer ». Par conséquent, le logiciel supprimera le contenu trouvé à gauche, au lieu de le remplacer par un autre texte.
Étape 4 : Réaliser la suppression par un remplacement vide, sans saisir d'espace
Beaucoup d'utilisateurs, lors de leur première utilisation de la fonction rechercher-remplacer, se demandent : faut-il saisir un espace à droite pour supprimer le mot-clé ? D'après l'indication sur la capture d'écran, ce n'est pas nécessaire. Ne rien remplir dans la colonne de droite signifie la suppression. Si un espace est saisi, le texte trouvé pourrait être remplacé par un caractère espace, ce qui n'est pas tout à fait identique visuellement à une suppression réelle et pourrait affecter la copie ultérieure du texte ou le jugement de la mise en page.
Ainsi, pour cet exemple, la liste de mots-clés après remplacement est laissée vide. À gauche, les mois en anglais correspondants à la première ligne April|May seront supprimés ; à gauche, les années à quatre chiffres correspondantes à la seconde ligne \d{4} seront supprimées. Après traitement, seule la partie du PDF non concernée par les règles sera conservée, comme dans l'exemple le « 13, ».
Une fois la configuration terminée, cliquez sur « Étape suivante », puis poursuivez le processus pour « Définir l'emplacement de sauvegarde » et « Lancer le traitement ». Il est conseillé, lors du premier traitement, de choisir un nouvel emplacement de sortie pour éviter de remplacer directement le PDF original. Une fois terminé, ouvrez le PDF traité pour vérifier par sondage que la règle n'a pas supprimé par erreur d'autres nombres à quatre chiffres qui doivent être conservés.
Questions fréquentes et points d'attention
1. La recherche par formule floue est-elle équivalente aux caractères génériques ? Du point de vue de l'objectif d'utilisation, les deux servent à correspondre un texte non fixe d'une certaine catégorie. Le nom dans l'interface est « Utiliser la recherche de texte par formule floue », en pratique on peut le comprendre comme un moyen de correspondance par règles plus flexible que la recherche exacte.
2. Pourquoi après traitement, seuls April et 2017 sont supprimés, et pas 13 ? Parce que les règles de recherche ne contiennent que April|May et \d{4}. 13 est un nombre à deux chiffres, il ne correspond pas à la règle des quatre chiffres, ni n'est égal à April ou May, il est donc conservé.
3. Si le PDF contient d'autres nombres à quatre chiffres, seront-ils supprimés ensemble ? Tant qu'ils correspondent à \d{4}, ils peuvent être trouvés. C'est pourquoi, avant un traitement par lot officiel, il est conseillé de tester d'abord sur une copie de quelques fichiers, ou de rédiger des règles plus strictes pour réduire les suppressions erronées.
4. Peut-on utiliser cela pour les fichiers doc, docx, Excel ? La démonstration de cet article porte sur le traitement des mots-clés PDF dans l'outil PDF. L'interface du logiciel montre également, sur la gauche, les catégories Outils Word, Outils Excel, Outils PowerPoint, etc., mais pour des formats différents, il faut choisir l'outil correspondant, et ne pas appliquer directement le flux PDF aux fichiers doc, docx ou xlsx.
5. Pourquoi la suppression peut-elle échouer sur des documents numérisés ? Si le texte dans le PDF est en réalité une image, qui ne peut être sélectionnée ou copiée, la recherche et le remplacement de texte risquent de ne pas pouvoir le reconnaître. Il faut alors d'abord confirmer si le PDF contient une couche de texte modifiable ou explorable.
Résumé : La clé de la suppression par lot de texte non fixe dans un PDF est de bien rédiger les règles
Pour supprimer par lot du texte non fixe dans plusieurs PDF, le cœur n'est pas de cliquer sur supprimer de manière répétée, mais de transformer le contenu à supprimer en règles abstraites. Grâce à HeSoft Doc Batch Tool , on peut d'abord importer plusieurs PDF, puis dans la fonction « Rechercher et remplacer des mots-clés dans le PDF », choisir « Utiliser la recherche de texte par formule floue », saisir des règles comme April|May, \d{4}, et laisser le contenu de remplacement vide, pour réaliser ainsi une suppression floue par lot.
Pour les utilisateurs qui traitent fréquemment des rapports, contrats, documents d'archives, PDF destinés à être diffusés publiquement, cette méthode peut réduire significativement les tâches répétitives. Il est conseillé de préparer des fichiers de sauvegarde avant le traitement par lot officiel, de valider les règles sur un petit nombre d'échantillons, et une fois qu'elles sont confirmées, de traiter l'ensemble du lot de PDF. Cela permet non seulement d'améliorer l'efficacité, mais aussi de garantir des résultats de nettoyage de fichiers plus fiables.