Déterminer combien de pages contiennent un PDF est trivial. La visionneuse affiche le nombre de pages. Il n’est pas possible de savoir combien de pages contiennent 50 fichiers PDF dans un dossier, ou combien de mots ils contiennent tous ensemble. Ouvrir manuellement chaque fichier, noter le décompte et additionner les nombres prend plus de temps que le travail réel pour lequel les PDF ont été créés.
Compter manuellement les fichiers est une tâche pour laquelle les ordinateurs ont été inventés. Pourtant, la plupart des outils PDF ne proposent pas de décompte multi-fichiers.
Le comptage de mots et de pages dans plusieurs fichiers PDF Batch nécessite soit un outil prenant en charge les statistiques par lots, soit un script qui extrait les informations de chaque fichier et les additionne. Les outils Pages PDF de WukongPDF peuvent vous aider avec les statistiques de fichiers individuels, et les méthodes ci-dessous gèrent l'agrégation multi-fichiers.
Utilisation des statistiques de lots intégrées dans les outils PDF
Adobe Acrobat Pro n'inclut pas de fonction de page par lots ou de comptage de mots. Certains outils de gestion PDF tiers le font. PDF Architect et Nitro Pro incluent des modules de traitement par lots qui peuvent signaler le nombre de pages sur un ensemble de fichiers sélectionné. La sortie est généralement un fichier CSV répertoriant chaque nom de fichier et son nombre de pages, avec un total en bas.
Les outils PDF basés sur un navigateur n'offrent généralement pas de statistiques multi-fichiers, car le modèle de requête sans état ne conserve pas les informations lors des téléchargements de fichiers. Chaque fichier est une session distincte. L'agrégation des statistiques nécessite une session persistante qui s'étend sur plusieurs fichiers, ce qui est plus courant dans les outils de bureau et sur serveur.
Essayez de fusionner des PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Utilisation de l'Explorateur de fichiers pour les estimations du nombre de pages
L'Explorateur de fichiers Windows et le Finder macOS affichent le nombre de pages PDF dans les colonnes de métadonnées des fichiers. Activez la colonne Pages dans la vue Détails de l'Explorateur de fichiers et le nombre de pages pour chaque PDF apparaît dans la liste. Sélectionnez tous les fichiers et la barre d'état peut afficher la somme, en fonction de la version et de la configuration du système d'exploitation.
La lecture du nombre de pages de l'Explorateur de fichiers est rapide car il lit un petit champ de métadonnées dans chaque PDF plutôt que d'ouvrir le fichier entier. Pour un dossier contenant des centaines de PDF, le nombre de pages est renseigné en quelques secondes. Cependant, l'Explorateur de fichiers ne fournit pas de décompte de mots et sa lecture du nombre de pages peut être inexacte pour les PDF dotés de structures internes non standard où les métadonnées ne correspondent pas au nombre réel de pages.
Scripter un nombre de mots et de pages dans des PDF
Python avec une bibliothèque PDF comme PyPDF2 ou pdfplumber peut extraire le nombre de pages et de mots de chaque PDF d'un dossier et les additionner. Le script ouvre chaque PDF, lit le nombre de pages à partir des métadonnées du document, extrait le texte de chaque page, compte les mots et accumule les totaux. Le résultat est le nombre combiné de pages et de mots pour l’ensemble du dossier.
Le script gère n'importe quel nombre de fichiers. Un dossier de 500 PDF est traité en quelques minutes, en fonction de la taille du fichier et de la vitesse d'extraction du texte. Le script produit des résultats cohérents car il applique la même logique de comptage à chaque fichier. Le comptage manuel introduit un écart par rapport à la fatigue et à la distraction. Le comptage scripté est reproductible et auditable.
| Méthode | Vitesse | Précision | Fournit le nombre de mots ? |
|---|---|---|---|
| Métadonnées de l'Explorateur de fichiers | Secondes | Modéré (métadonnées uniquement) | Non |
| Outil PDF par lots | Minutes | Haut | Quelques outils |
| Script Python | Minutes (dépend du nombre de fichiers) | Élevé (extrait le texte réel) | Oui |
| Ouverture et comptage manuels | Heures | Faible (fatigue) | Oui, manuellement |
Gestion des PDF numérisés dans le nombre de mots
Les PDF numérisés contiennent des images, pas du texte. Un nombre de mots basé sur l'extraction de texte renvoie zéro mot pour un document numérisé car il n'y a pas de texte à extraire. Pour inclure les PDF numérisés dans le nombre de mots, exécutez d'abord l'OCR sur eux pour créer un calque de texte. Le script de comptage de mots compte ensuite le texte OCR. Le nombre de mots OCR est approximatif car l'OCR introduit des erreurs de reconnaissance.
Pour les dossiers mixtes contenant à la fois des PDF numériques et numérisés, le script doit indiquer des totaux distincts : mots des PDF numériques avec texte natif et mots des PDF numérisés après OCR. Les combiner en un seul total sans distinguer les sources surestime l'exactitude du nombre de mots du document numérisé et masque le fait qu'une partie du total est estimée par OCR plutôt qu'exacte.
Exportation du nombre de mots par section ou chapitre
Au-delà du nombre total de mots, l'extraction du nombre de mots par section dans chaque PDF fournit des données granulaires pour l'édition, la traduction ou la facturation. Un script qui utilise les signets PDF ou la détection de titres pour segmenter le texte et compter les mots par segment produit un rapport détaillé. Chaque ligne de la sortie affiche un nom de fichier, un nom de section et le nombre de mots pour cette section.
Les décomptes au niveau des sections sont utiles pour les projets de traduction dans lesquels différentes sections sont attribuées à différents traducteurs. Le chef de projet utilise les décomptes pour répartir le travail uniformément et estimer les délais d'exécution. Les mêmes comptes prennent en charge la facturation par section où les prix varient en fonction de la complexité du contenu. Le nombre total de mots vous indique la taille du projet. Le nombre de mots au niveau de la section vous indique comment le diviser.
Utilisation du décompte pour la facturation et l'estimation
Les pigistes et les agences facturant à la page ou au mot utilisent le comptage par lots pour générer des factures. Un script qui produit un CSV des noms de fichiers, du nombre de pages et du nombre de mots fournit un rapport prêt à être facturé. Le client peut vérifier les décomptes de manière indépendante. Le rapport prend en charge la facture avec des données.
L'estimation du projet bénéficie également du décompte des lots. Un projet de traduction tarifé au mot nécessite un nombre précis de mots sources dans tous les documents. Un projet d’impression tarifé par page nécessite le nombre total de pages. L'exécution du décompte avant de proposer un devis garantit que le devis est basé sur les volumes réels de documents plutôt que sur des estimations. Le temps passé à compter est rentabilisé par une tarification précise.
Essayez de fusionner des PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.