Extracteur de fichiers joints PDF

Ce que cet extracteur trouve et que les autres manquent

Un PDF peut transporter une pièce jointe dans trois endroits sans aucun rapport entre eux, et la plupart des outils ne regardent que le premier.

1. L'arbre de noms /Names /EmbeddedFiles. C'est un arbre équilibré, pas une liste. Dès qu'un document dépasse quelques pièces jointes, le producteur le découpe en nœuds /Kids, et un outil qui ne lit que le tableau racine annonce zéro fichier pour un PDF qui en contient manifestement plusieurs.
2. Les annotations /FileAttachment. Le trombone visible sur la page. Le fichier est accroché à l'annotation et n'est bien souvent pas déclaré dans l'arbre de noms.
3. Les fichiers associés /AF. Ajoutés en PDF 2.0, et c'est là que se joue l'enjeu commercial : les factures électroniques ZUGFeRD, Factur-X, XRechnung et Order-X transportent ainsi leur XML lisible par machine. Si votre système comptable rejette une facture, c'est ce contenu qu'il faut examiner.

Le même flux est souvent atteignable par deux de ces chemins ; les fichiers sont donc identifiés par référence d'objet puis fusionnés, en affichant chaque origine.

Ce qui est rapporté pour chaque fichier

Nom, description, type MIME déclaré, taille déclarée et réelle, dates de création et de modification, somme MD5 lorsque le producteur l'a écrite, rôle /AFRelationship et page sur laquelle se trouve la pièce jointe.

Le contrôle de type

Le type déclaré est ce qu'affirme le PDF. Cet outil lit également les premiers octets du fichier et indique ce qu'ils sont réellement. Une pièce jointe nommée notes.txt qui commence par PK est une archive ZIP ; une qui commence par MZ est un exécutable Windows. Les deux sont signalées, et il vaut mieux le savoir avant d'ouvrir quoi que ce soit.

Aperçu et téléchargement

Texte, CSV, JSON et XML s'affichent directement ; PNG, JPEG, GIF, WebP et BMP sont rendus comme images. Le reste est en téléchargement seul. Rien n'est exécuté et rien n'est envoyé sur le réseau.

Téléchargez une pièce jointe isolée, ou toutes d'un coup dans une archive ZIP.

Confidentialité

Le PDF est analysé dans votre navigateur en JavaScript. Il n'est jamais téléversé : les documents confidentiels et leurs pièces jointes restent sur votre machine.