PDF 텍스트 추출

PDF 텍스트 추출, 줄과 문단이 다시 맞춰지는 원리

텍스트 추출은 언제 쓰나요

받은 안내문 PDF의 문장을 메일 본문이나 메신저 공지로 옮길 때, 논문·보고서 PDF에서 인용할 대목을 골라낼 때, 자기소개서 PDF의 글자 수를 세어 볼 때 써요. 뷰어에서 마우스로 끌어 복사하면 줄마다 줄바꿈이 끼고 머리글·쪽 번호까지 섞이기 쉬운데, 이 도구는 쪽 전체의 글자를 위치 순서대로 다시 맞춰 한 번에 보여 줘요. 결과 칸은 바로 고칠 수 있어서, 필요 없는 줄을 지운 뒤 복사하면 돼요. 글자를 그림으로 읽는 방식이 아니라 PDF에 들어 있는 글자를 그대로 꺼내므로 오타가 새로 생기지 않아요.

사용 방법

1단계파일 넣기

1. 1① 글자를 선택할 수 있는 PDF를 놓으면 곧바로 전체 쪽을 뽑아요.

2단계줄 처리 고르고 결과 확인

1. 2② 줄 처리는 처음에 ‘문단으로 합치기’예요. 바꾸면 ‘텍스트 뽑기’를 다시 눌러야 결과에 반영돼요.
2. 3③ 쪽 구분 표시를 켜 두면 쪽마다 ‘── 1쪽 ──’ 같은 줄이 들어가요. 이어지는 글로 붙여 넣을 거라면 끄세요.
3. 4④ 뽑은 쪽 수와 공백을 뺀 글자 수가 나와요. 예시 안내문 한 쪽은 315자였어요.
4. 5⑤ 결과 칸에서 바로 고친 뒤 ‘복사’나 ‘TXT로 저장’을 눌러요.

줄과 문단을 다시 맞추는 기준

PDF 안의 글자는 ‘이 조각을 이 좌표에’라는 단위로 흩어져 있어요. 도구는 먼저 세로 위치 차이가 글자 크기의 절반 이하인 조각을 한 줄로 묶고, 조각 사이 빈칸이 글자 크기의 18%를 넘으면 띄어쓰기를 넣어요. 그다음 ‘문단으로 합치기’에서는 아래 경우에만 새 문단을 시작하고 나머지 줄은 이어 붙여요.

영어 단어가 줄 끝에서 하이픈(-)으로 나뉘어 있으면 하이픈을 지우고 붙여요. 한글은 줄 끝에서 띄어쓰기 없이 이어지므로, 합친 문장 사이에 빈칸이 하나 들어가요.

두 가지 줄 처리 비교

메일 본문이나 블로그에 옮길 글은 ‘문단으로 합치기’, 줄 하나하나가 의미 있는 글은 ‘PDF 줄 그대로’를 고르세요. 둘 다 결과가 마음에 들지 않으면 다른 쪽으로 한 번 더 뽑아 비교하면 돼요.

주의할 점

• 표와 머리글 — 표의 칸은 같은 줄의 글자로 이어지고, 쪽마다 반복되는 머리글·쪽 번호도 함께 뽑혀요. 결과 칸에서 지우거나 표는 PDF 표를 엑셀로로 옮기세요.
• 글자 순서가 뒤바뀐 PDF — 만든 프로그램에 따라 글자 조각의 좌표가 특이하게 저장돼 단어가 깨진 기호로 나오기도 해요. 이런 PDF는 쪽을 그림으로 보고 읽는 OCR이 더 정확해요.
• 2단 편집 — 왼쪽 단과 오른쪽 단이 같은 높이에 있으면 한 줄로 섞여요. 단마다 쪽을 나눠 저장한 PDF라면 문제없어요.
• 스캔본 — 쪽 전체가 그림이면 ‘(글자 없음)’으로 나와요. PDF OCR로 글자 층을 먼저 넣은 뒤 다시 뽑으면 돼요.

더 궁금한 점