Convertir un PDF en fichier texte dans Power Automate : Transformez vos contrats numérisés en un corpus SharePoint consultable avec PDF4me

PDF4me Extraire du texte et des images Cette action Power Automate renvoie la couche texte d'un PDF sous forme de tableau. Associée à la reconnaissance optique de caractères (OCR) en amont et à une jointure Compose en aval, cette opération transforme chaque PDF déposé dans une bibliothèque SharePoint en un document correspondant. .txt Fichier prêt pour la recherche par IA.

Recherchez comment faire cela et le premier résultat est celui de Microsoft. Référence des actions PDF, qui décrit Power Automate Ordinateur de bureau Ces actions n'existent pas dans un flux cloud. Ce détail explique pourquoi les deux résultats suivants sont une discussion Reddit et une discussion de la communauté Power Platform où des utilisateurs posent la même question sans obtenir de réponse claire. Ce flux constitue la réponse directe et s'exécute entièrement dans le cloud sur des connecteurs de niveau standard.

Questions et réponses basées sur le pourquoi​

Ce que vous obtiendrez​

Saisir: Tout fichier PDF déposé dans une bibliothèque de documents SharePoint, qu'il soit numérisé ou nativement numérique, ne nécessite aucune convention de nommage. Sortir: un fichier texte brut par PDF dans une seconde bibliothèque, contenant l'intégralité du contenu lisible du document.

RagInput. Déposez un PDF ici et le processus démarre.

RagText. Un fichier texte brut par PDF, prêt à être indexé.

Voici ce qui ressort de l'autre côté pour l'exemple de contrat, exactement tel qu'il est écrit sur le disque :

MASTER SERVICES AGREEMENT
 Between Initech LLC and Umbrella Inc.
Effective  date:  1 January 2026.  Auto-renews annually.
 Liability cap:  USD  100000. Confidentiality: 5 years.
 CLEAN TEST MARKER: PDF4ME-CLEAN-TEST-2026.

Notez les espaces en début de texte. La reconnaissance optique de caractères (OCR) préserve les espaces blancs de la mise en page, ce qui convient parfaitement à la recherche et à l'alimentation d'un modèle de langage. Supprimez-les ultérieurement si l'analyseur syntaxique en aval est plus exigeant.

Ce dont vous avez besoin​

Aperçu du flux​

1. Lors de la création d'un fichier (propriétés uniquement) (Déclencheur SharePoint) limité à /Shared Documents/RagInput.
2. Récupérer le contenu du fichier en utilisant la gâchette Identifier.
3. PDF - Convertir un PDF en PDF modifiable grâce à la reconnaissance optique de caractères (OCR) de qualité Draft et la reconnaissance optique de caractères (OCR) uniquement lorsque nécessaire true.
4. PDF - Extraire le texte et les images avec Extraction de texte Yes et extraire des images No.
5. Composer gérer un join() sur le retour texts tableau.
6. Créer un fichier Écriture (SharePoint) .txt dans /Shared Documents/RagText.

Aperçu complet du flux​

L'épreuve OCR est la seule à accuser un retard important, avec un temps de 11 secondes. Les cinq autres épreuves se terminent en moins d'une demi-seconde chacune.

Étape 1 : Comment surveiller une bibliothèque SharePoint pour détecter les nouveaux fichiers PDF ?​

Flux jusqu'à présent : Rien pour l'instant, voici le déclencheur.

Utiliser Lors de la création d'un fichier (propriétés uniquement)Cette fonction se déclenche lors de la création de nouveaux éléments et renvoie leurs métadonnées. Limitez-la à un seul dossier, car une surveillance globale de la bibliothèque est déclenchée à chaque ajout effectué dans ce dossier.

1. Créez un Flux cloud automatisé et choisir Lors de la création d'un fichier (propriétés uniquement).
2. Configure:
   • Adresse du site: https://ynoox1.sharepoint.com/sites/PDF4meSharepoints
   • Nom de la bibliothèque: prendre Documents à partir du menu déroulant
3. Ouvrir Paramètres avancés, ajouter Dossier, et le régler sur /Shared Documents/RagInput.

Configuration du déclencheur SharePoint​

Le nom de la bibliothèque correspond à la bibliothèque elle-même, Documents. Le paramètre Dossier situé en dessous permet de limiter le déclenchement à un dossier spécifique à l'intérieur de celle-ci.

Étape 2 : Pourquoi avez-vous besoin de récupérer le contenu du fichier après le déclenchement ?​

Flux jusqu'à présent : Déclencheur SharePoint.

Le déclencheur « propriétés uniquement » transmet les métadonnées, et non le document. L'option « Obtenir le contenu du fichier » échange les données du déclencheur. Identifier pour les octets réels dont PDF4me a besoin.

1. Ajouter SharePoint > Récupérer le contenu du fichier.
2. Configure:
   • Adresse du site: le même site que le déclencheur
   • Identifiant de fichier: Identifier à partir du déclencheur
3. Ouvrir Paramètres avancés et ensemble Déduire le type de contenu à Yes.

Obtenir la configuration du contenu du fichier​

Infer content type Yes permet de transmettre à l'action suivante de véritables octets PDF au lieu d'un blob générique.

Étape 3 : Pourquoi effectuer une reconnaissance optique de caractères (OCR) avant d’extraire le texte ?​

Flux jusqu'à présent : Déclencheur SharePoint plus Récupérer le contenu du fichier.

Une page numérisée est une image. Il n'y a pas de texte à extraire tant que la reconnaissance optique de caractères (OCR) n'y a pas ajouté de couche de texte. Cette fonction effectue cette opération et est suffisamment intelligente pour ne pas toucher aux PDF déjà lisibles.

1. Ajouter PDF - Convertir un PDF en PDF modifiable grâce à la reconnaissance optique de caractères (OCR).
2. Configure:
   • Contenu du fichier: File Content depuis Récupérer le contenu du fichier
   • Nom de fichier: le jeton du nom de fichier du déclencheur
   • Type de qualité: Draft
   • OCR uniquement en cas de besoin: true
   • Langue: laissez vide sauf si vos documents ne sont pas en anglais
   • Est-ce asynchrone ?: No

Paramètres OCR​

Le type de qualité est ici défini sur Brouillon. Sur une numérisation propre, la qualité est aussi bonne qu'avec le type Élevé, mais le temps de lecture est réduit.

Étape 4 : Comment la fonction Extract Text and Images renvoie-t-elle le texte ?​

Flux jusqu'à présent : Déclencheur SharePoint plus Récupération du contenu du fichier plus OCR.

Cette action lit la couche de texte et la renvoie sous forme de tableau appelé textsOrientez-le vers la sortie OCR, et non vers « Obtenir le contenu du fichier », sinon les pages numérisées seront vides.

1. Ajouter PDF - Extraire le texte et les images.
2. Configure:
   • Contenu du fichier: File Content de la action OCR
   • Nom de fichier: le jeton du nom de fichier du déclencheur
   • Extraire le texte: Yes
   • Extraire des images: No

Paramètres d'extraction de texte et d'images​

Observez les icônes. Le contenu du fichier porte la marque PDF4me car il provient d'une reconnaissance optique de caractères (OCR). Le nom du fichier porte la marque SharePoint car il provient du déclencheur.

Étape 5 : Comment transformer le tableau de textes en une seule chaîne de caractères ?​

Flux jusqu'à présent : Déclencheur SharePoint + Récupération du contenu des fichiers + OCR + Extraction de texte et d'images.

texts est un tableau. Un fichier a besoin d'une chaîne de caractères. Un expression de jointure fait le lien entre les deux.

1. Ajouter un Composer action.
2. Dans Entrées, passez à l'éditeur d'expressions et collez :

join(body('PDF_-_Extract_Text_and_Images')?['texts'], decodeUriComponent('%0A'))

3. Cliquez Mise à jour.

Le decodeUriComponent('%0A') Voici comment insérer un saut de ligne littéral dans une expression Power Automate. Il n'existe pas de séquence d'échappement ; c'est donc la convention.

Configuration de composition​

Le nom de l'action dans la fonction body() utilise des tirets bas pour les espaces et les traits d'union. Si vous renommez l'action, cette expression ne fonctionnera plus.

Étape 6 : Comment enregistrer le texte au format .txt dans SharePoint ?​

Flux jusqu'à présent : Déclencheur SharePoint + Obtenir le contenu du fichier + OCR + Extraire le texte et les images + Composer.

La dernière étape consiste à écrire la chaîne de caractères concaténée dans une seconde bibliothèque.

1. Ajouter SharePoint > Créer un fichier.
2. Configure:
   • Adresse du site: même site que le déclencheur
   • Chemin du dossier: /Shared Documents/RagText
   • Nom de fichier: le jeton du nom de fichier du déclencheur suivi du texte littéral .txt
   • Contenu du fichier: le Composer jeton de sortie

SharePoint Créer une configuration de fichier​

Le contenu du fichier correspond à la sortie de la fonction Composer, reconnaissable à l'icône violette d'opération sur les données, et non à un élément provenant de PDF4me. Le texte est déjà assemblé à ce stade.

Exécutez le flux et vérifiez​

1. Sauvegarder le flux en haut à droite.
2. Télécharger contract-sample.pdf dans le dossier d'entrée. Le déclencheur effectue une interrogation, veuillez patienter une minute.
3. Ouvrez le flux historique d'exécution Vérifiez que les six actions sont bien validées par une coche verte. La reconnaissance optique de caractères (OCR) sera l'étape la plus lente.
4. Ouvrir /Shared Documents/RagText. UN .txt Le fichier devrait se trouver là. Ouvrez-le et recherchez PDF4ME-CLEAN-TEST-2026Si ce marqueur est présent, la reconnaissance optique de caractères (OCR) et l'extraction ont fonctionné de bout en bout.

Variantes courantes que vous pouvez ajouter sans reconstruction​

Questions fréquentes​

Power Automate peut-il extraire du texte d'un PDF ?​

Pas de manière autonome dans un flux cloud. Les actions PDF de la documentation Microsoft appartiennent à Power Automate Desktop et ne sont pas disponibles dans les flux cloud, ce qui explique pourquoi de nombreuses discussions communautaires sur ce sujet restent sans réponse. L'ajout du connecteur PDF4me donne à un flux cloud une véritable fonctionnalité. Extraire du texte et des images action qui renvoie le texte du document sous forme de tableau.

L'extraction complète ne constitue qu'une seule opération. Les cinq étapes précédentes consistent simplement à déplacer le fichier en entrée et le texte en sortie.

Comment extraire du texte d'un PDF à l'aide de Power Automate ?​

Déclenchez l'événement sur le nouveau fichier, récupérez ses octets avec Récupérer le contenu du fichier, courir Convertir un PDF en PDF modifiable grâce à la reconnaissance optique de caractères (OCR) Les pages numérisées reçoivent donc une couche de texte, puis sont exécutées. Extraire du texte et des images avec l'option Extraire le texte définie sur YesCela renvoie un texts tableau. Combinez-le avec une expression Compose si vous souhaitez du texte plutôt qu'un tableau.

Indiquez à l'étape d'extraction le résultat de la reconnaissance optique de caractères (OCR) plutôt que le fichier téléchargé. La réutilisation de la copie téléchargée explique pourquoi les documents numérisés ne renvoient aucun fichier.

Power Automate peut-il effectuer une reconnaissance optique de caractères (OCR) ?​

Un flux cloud ne dispose pas de fonction OCR native. AI Builder en propose une avec une licence premium à la consommation, et Power Automate Desktop possède son propre moteur OCR installé sur une machine. PDF4me Convertir un PDF en PDF modifiable grâce à la reconnaissance optique de caractères (OCR) L'action s'exécute dans un flux cloud de niveau standard sans intervention d'une machine.

C'est OCR uniquement en cas de besoin Il est utile de connaître ce paramètre. Réglé sur trueIl inspecte chaque fichier et ignore la reconnaissance optique de caractères (OCR) lorsqu'une couche de texte existe déjà, de sorte qu'une bibliothèque mixte ne supporte pas le coût sur chaque document.

Pourquoi la fonction d'extraction de texte à partir d'un PDF de Power Automate ne fonctionne-t-elle pas ?​

Dans la quasi-totalité des cas, trois causes sont à l'origine de la plupart des problèmes. Soit le document est une numérisation et n'a jamais été traité par reconnaissance optique de caractères (OCR), il n'y a donc aucun texte à extraire. Soit l'étape d'extraction lit le fichier téléchargé au lieu du résultat de l'OCR, ce qui produit le même résultat vide avec un document numérisé. Soit le texte est arrivé correctement, mais a été enregistré dans le fichier sous forme de tableau brut, ce qui lui donne l'apparence de JSON plutôt que d'un document.

Ouvrez l'historique d'exécution et examinez directement le résultat de l'extraction de texte et d'images. texts Le problème se situe en aval, dans les fonctions Composer ou Créer un fichier, car le contenu est présent.

Comment convertir gratuitement un PDF en fichier texte ?​

Pour un document unique, n'importe quel convertisseur en ligne fera l'affaire. L'intérêt de ce processus réside dans le volume et la répétitivité : il s'exécute automatiquement pour chaque fichier déposé dans le dossier, gère les numérisations et ne nécessite aucune intervention humaine. L'offre gratuite de PDF4me couvre un nombre conséquent de documents par mois, et tous les connecteurs utilisés ici sont de la version standard ; aucune licence Power Automate premium n'est donc requise.

Dépannage​

Prochaines étapes​

Le même schéma en six étapes (surveiller un dossier, récupérer, OCR, extraire, aplatir, enregistrer) transforme n'importe quelle bibliothèque de documents en un corpus lisible par machine.