Convertir PDF en MDB

Une application Microsoft Access héritée peut nécessiter un fichier .mdb, alors que les données source disponibles existent uniquement dans un PDF. Comme le PDF stocke le contenu des pages plutôt qu’un schéma de base de données, la méthode fiable consiste à extraire les enregistrements dans Excel ou CSV, puis à les importer dans Access.

Qu’est-ce que le format PDF ?

Le PDF est un format de document à mise en page fixe utilisé pour les factures, les rapports, les formulaires, les manuels, les relevés et les exportations destinées à l’impression. Adobe Acrobat, Microsoft Word, les navigateurs web, les scanners, les systèmes comptables et les applications de création de rapports permettent de créer et d’afficher des fichiers PDF.

Un PDF peut contenir du texte sélectionnable, des fragments de texte positionnés, des éléments de dessin vectoriels, des tableaux intégrés ou des images numérisées de pages. Une numérisation nécessite un OCR avant l’extraction du texte, et l’OCR peut mal interpréter les caractères, les séparateurs décimaux, les dates, les signes négatifs et les cellules fusionnées.

Qu’est-ce que le format MDB ?

MDB est le format de base de données Microsoft Access associé à Access 2003 et aux versions antérieures. Les versions de bureau plus récentes d’Access peuvent ouvrir et créer des fichiers MDB à des fins de compatibilité, bien que leur format par défaut soit .accdb. Une base de données MDB peut contenir des tables, des relations, des requêtes, des formulaires, des rapports, des index et des modules VBA.

MDB convient lorsqu’une application héritée nécessite cette extension ou lorsque les enregistrements extraits doivent faire l’objet de requêtes relationnelles, d’un filtrage, de modifications et d’une indexation. Utilisez ACCDB lorsque la destination le prend en charge, car MDB ne possède pas certaines fonctionnalités plus récentes d’Access et utilise un moteur de base de données plus ancien.

Comment convertir les données au format MDB

1. Extraire les tables. Dans Adobe Acrobat Pro, utilisez Convert → Microsoft Excel ou Export a PDF → Spreadsheet → Microsoft Excel Workbook, selon la version. Able2Extract Professional offre un contrôle accru sur la sélection des tables, les limites des colonnes et l’OCR. Tabula est une option de bureau gratuite pour les PDF textuels et exporte les tables sélectionnées au format CSV.
2. Exécuter l’OCR pour les pages numérisées. Dans Acrobat, choisissez Scan & OCR → Recognize Text, puis exportez le résultat. Vérifiez les valeurs extraites au lieu de supposer que l’OCR a conservé la source à l’identique.
3. Nettoyer le fichier exporté. Ouvrez le fichier XLSX ou CSV et supprimez les en-têtes de page répétés, les pieds de page, les lignes de sous-total, les lignes vides et le texte des notes de bas de page. Organisez un champ par colonne et un enregistrement par ligne. Utilisez des noms stables tels que InvoiceID, InvoiceDate et Amount. Enregistrez le fichier CSV nettoyé au format UTF-8 s’il contient des caractères non ASCII.
4. Créer la base de données. Dans Microsoft Access, créez une base de données vide. Si MDB est requis, choisissez File → Save As → Access 2002–2003 Database (*.mdb). Si cette option n’est pas disponible dans la version d’Access installée, créez le fichier avec une édition de bureau compatible d’Access au lieu de renommer un fichier ACCDB.
5. Importer les données extraites. Choisissez External Data → New Data Source → From File → Excel pour XLSX, ou External Data → New Data Source → From File → Text File pour CSV. Sélectionnez Import the source data into a new table, indiquez que la première ligne contient les noms des champs et vérifiez le type de données détecté pour chaque colonne.
6. Définir la table. Dans l’affichage Table Design, définissez une clé primaire ou ajoutez une clé AutoNumber si la source ne possède aucun identifiant unique fiable. Utilisez Short Text pour les identifiants susceptibles de contenir des zéros en tête, Date/Time pour les dates, Currency pour les montants et des types numériques appropriés pour les quantités. Ajoutez des index aux champs utilisés pour les recherches ou les jointures.
7. Importer séparément les tables supplémentaires. Si le PDF contient des clients, des factures et des lignes de détail, extrayez chaque table logique dans sa propre feuille de calcul ou son propre fichier CSV. Importez-les séparément et créez les relations uniquement après avoir vérifié que les valeurs des clés correspondent.

Les services en ligne tels que Adobe Acrobat online PDF-to-Excel, Smallpdf et PDFTables peuvent produire un fichier XLSX ou CSV intermédiaire, mais ils ne génèrent pas de manière fiable un fichier MDB correctement structuré. Ne téléversez que des documents non sensibles ; le traitement local avec Acrobat, Able2Extract ou Tabula évite d’envoyer des factures, des données personnelles ou des documents réglementés à un tiers.

Limitations liées à la qualité et à la compatibilité

Il n’existe pas de conversion en une seule étape fiable de pages PDF arbitraires en une base de données Access valide. Un PDF ne conserve généralement pas les types de champs, les clés primaires, les relations, les formules ou les limites des tables sous une forme qu’Access puisse récupérer. Les colonnes peuvent se décaler, les tables peuvent fusionner et les en-têtes répétés peuvent être importés comme des enregistrements.

Comparez le nombre de lignes importées avec la source, rapprochez les totaux et effectuez des vérifications ponctuelles des dates, des identifiants, des valeurs monétaires et des caractères accentués. Les PDF protégés par mot de passe, malformés, constitués uniquement d’images ou fortement mis en forme peuvent nécessiter une transcription manuelle ou un OCR et une extraction de tables spécialisés.

Une base de données MDB a une taille de fichier maximale de 2 Go ainsi que des limites plus anciennes concernant les objets et les champs. Testez le fichier obtenu avec le programme hérité exact qui l’ouvrira, notamment avec les pilotes Access et la version requis. Ne remplacez pas le nom de fichier .accdb par .mdb ; les formats possèdent des structures internes différentes.