PDF를 텍스트로

PDF에서 글자를 꺼낸다는 것

문서에서 만들어진 PDF는 이미 그 글자를 품고 있습니다. 글자는 파일 안에 있고, 뷰어는 그것을 페이지의 알맞은 자리에 그려 줄 뿐입니다.

그러니 꺼내는 일도 쉬워야 하는데, 대개 그렇지 않습니다. 뷰어에서 전체 선택을 하면 머리말과 꼬리말, 쪽 번호가 문장 한가운데 섞여 들어옵니다. 표를 복사하면 아주 긴 한 줄이 되고, 2단 편집을 복사하면 좌우가 번갈아 붙습니다. 휴대폰에서는 아예 선택이 안 되는 경우도 많습니다.

이 도구는 PDF에 직접 글자를 달라고 요청하고, 편집하거나 복사하거나 .txt로 내려받을 수 있는 칸에 결과를 담아 줍니다.

읽는 것이지, 추측하는 것이 아닙니다

이것은 OCR이 아닙니다. OCR은 페이지 사진을 보고 모양을 글자로 알아보려 합니다. 쓸모는 있지만 틀립니다. 1과 l과 I는 평생의 숙제죠.

여기에는 알아볼 것이 없습니다. 글자는 이미 PDF 안에 있고, 들어간 그대로 나옵니다. 잘못 읽은 글자도, 신뢰도 점수도, 기다림도 없습니다. 200쪽짜리 보고서도 몇 초면 끝납니다.

단 하나 못 하는 일이 스캔본을 읽는 것입니다. 스캔된 쪽은 사진이라 안에 글자가 전혀 없습니다. 그럴 때는 빈 칸을 내미는 대신 분명히 그렇다고 알려 드리고, OCR로 가는 길을 안내합니다.

페이지 고르기

문서 전체를 가져오려면 페이지 칸을 비워 두고, 일부만 필요하면 이렇게 적으세요.

• 5 — 5페이지만
• 1-3 — 앞의 세 쪽
• 1-3, 5, 8-10 — 범위와 낱쪽을 섞어서

긴 보고서에서 한 장(章)만 필요할 때, 또는 앞의 두 쪽이 필요 없는 표지와 목차일 때 유용합니다.

줄바꿈: 그대로 둘까, 이을까

PDF가 저장하는 것은 '각 줄을 어디에 그렸는가'이지 '문장이 어디서 끝나는가'가 아닙니다. 그래서 한 문단이, 지면의 폭이 모자라 잘렸을 뿐인 다섯 줄로 도착합니다.

• 줄을 그대로 두기 — 페이지에 짜여 있던 모양 그대로. 표, 주소, 시, 코드, 목록처럼 줄 자체가 의미인 것에 맞습니다.
• 줄을 이어 문단으로 만들기 — 끊긴 문장을 한 줄로 되돌립니다. 문서나 메일, 번역기에 붙여 넣을 본문에 맞습니다.

잇는 기준은 조심스럽습니다. 문장을 끝낸 줄, 제목, 글머리 기호, 번호 항목은 모두 줄바꿈을 지킵니다. 문장 중간에서 분명히 끊긴 줄만 다음 줄에 이어집니다.

페이지 표시

각 페이지가 시작되는 곳 표시를 켜면 쪽 사이에 --- 7페이지 --- 줄이 들어갑니다. 원문으로 되돌아갈 필요가 있을 때(보고서 인용, 계약서 확인, 출처 표기) 켜 두세요. 다른 곳에 붙여 넣을 깔끔한 본문이 필요하면 끄면 됩니다.

기기 밖으로 나가지 않습니다

PDF를 열고 읽는 일은 모두 브라우저 안에서 이루어집니다. 업로드되지도, 대기열에 들어가지도, 저장되지도 않습니다. 이 기능이 정말 필요한 문서들에게 중요한 점입니다. 계약서, 거래내역서, 진단서, 법률 서면, 비밀유지계약이 걸린 자료.

덕분에 업로드 때문에 생기는 파일 크기 제한도 없고, 페이지만 한 번 열리면 인터넷 없이도 동작합니다.

이런 때 씁니다

• 다시 타이핑하지 않고 보고서에서 인용문을 가져올 때
• 문서를 번역기나 요약, 검색에 넣을 때
• 설명서나 규정을 일반 텍스트로 만들어 Ctrl+F로 찾을 때
• 편집하거나 공부하려고 책이나 논문에서 본문을 꺼낼 때
• 뷰어에서 복사하면 깨질 때 워드프로세서로 글자를 옮길 때
• PDF 브로슈어에서 웹사이트에 쓸 내용을 뽑을 때
• PDF를 버거워하는 화면 낭독기가 읽을 수 있게 만들 때

알아두면 좋은 점

• 암호가 걸린 PDF는 먼저 풀어야 합니다 — PDF 잠금 해제를 쓰세요
• 스캔본 PDF에는 글자가 없습니다. PDF를 JPG로 다음 이미지에서 텍스트 추출을 이용하세요
• 단, 표, 각주는 PDF가 저장한 순서대로 나옵니다. 보통은 읽는 순서와 같지만 늘 그렇지는 않으니 결과를 확인하세요
• 텍스트 칸은 편집할 수 있습니다. 내려받기 전에 다듬어도 됩니다
• 내려받는 파일은 UTF-8 일반 .txt라 한글과 비라틴 문자도 그대로 남습니다
• 굵게, 크기, 색, 그림 같은 서식은 남지 않습니다. 일반 텍스트가 목적이니까요. 서식이 필요하면 PDF를 Word로를 쓰세요

사용 방법

• 클릭해서 업로드를 누르거나 PDF를 칸으로 끌어다 놓습니다
• 문서 전체라면 페이지를 비워 두고, 일부라면 원하는 페이지를 적습니다
• 표와 목록이면 줄을 그대로 두기, 본문이면 줄을 이어 문단으로 만들기를 고릅니다
• 각 페이지가 시작되는 곳 표시를 켜거나 끕니다
• 텍스트 추출을 누르고 결과를 읽은 뒤 복사하거나 .txt 내려받기를 누릅니다

관련 도구

• PDF를 Word로 — 글자만이 아니라 서식도 필요할 때
• 이미지에서 텍스트 추출 — OCR. 스캔본과 스크린숏용
• PDF를 JPG로 — 스캔된 쪽을 이미지로 만들어 OCR에 넘기기
• PDF 잠금 해제 — 먼저 암호 풀기
• 파일에서 텍스트 찾기 — 폴더 전체를 한 번에 검색
• 글자 수 세기 — 추출한 내용을 세어 보기
• PDF 나누기 — 페이지 범위를 별도 PDF로 뽑기