PDF reste le format le plus difficile à traiter en informatique
Après des mois de combat avec PDF, un développeur documente pourquoi ce format centenaire reste un cauchemar : spécification mal standardisée, variations infinies d'encodage, texte non-structuré et métadonnées contradictoires.
Publié 10sem·1 média·maj 9sem
≈ 23s
Le fait
Aucun parser unifié ne résout tous les cas ; chaque variant de PDF requiert des hacks spécifiques.
Un guide explique comment convertir des documents PDF en JSON structuré sans recourir à l'apprentissage automatique, en utilisant des parsers heuristiques simples.
Un développeur indie documente l'impossible : ouvrir un PDF sur macOS sans que le système d'exploitation et les applications ne créent automatiquement des fichiers temporaires, des caches ou des traces de lecture.