PDF에서 텍스트 추출

PDF 텍스트 추출 사용 방법

1. 1

   PDF 열기

   50 MB 이하의 PDF를 상자에 끌어다 놓거나 클릭해서 선택하세요. 비밀번호가 걸린 파일은 먼저 비밀번호를 물어봐요.

2. 2

   텍스트 배치 선택

   문단은 읽거나 붙여넣기 좋게 깔끔한 줄글로 만들어 주고, 페이지 레이아웃은 인쇄된 줄을 모두 그대로 두고 표의 열은 공백으로 맞춰요.

3. 3

   페이지와 OCR 선택

   모든 페이지를 추출하거나 2-5, 9처럼 범위를 지정하세요. 텍스트 레이어가 없는 스캔 페이지가 있다면 OCR을 켜고 언어를 고르세요.

4. 4

   복사 또는 다운로드

   텍스트 추출을 누르고 상자에서 결과를 확인한 다음, 클립보드에 복사하거나 UTF-8 .txt 파일로 저장하세요.

PDF 텍스트 추출 소개

이 도구는 대부분의 PDF에 들어 있는 텍스트 레이어, 즉 PDF 뷰어에서 선택할 수 있는 바로 그 글자를 읽어서 사람이 읽는 순서대로 다시 배열해요. 뷰어에서 바로 복사하면 기사의 두 단이 줄마다 뒤섞이고, 인쇄된 줄이 끝날 때마다 문장이 끊기고, 단어 중간에 하이픈이 남는 경우가 많아요. 여기서는 먼저 페이지를 단과 블록으로 나누고, 줄바꿈된 줄을 문단으로 이어 붙이고, 두 줄에 걸쳐 하이픈으로 나뉜 단어는 다시 합쳐요. 글머리 기호와 번호는 목록 항목의 맨 앞에 그대로 두고, 표는 셀 사이에 탭을 넣은 행으로 만들어서 스프레드시트에 바로 붙여넣을 수 있어요. 위쪽이나 아래쪽 여백에 있는 단독 페이지 번호는 빠지고, 대각선 "DRAFT" 워터마크 같은 회전된 텍스트나 세로 텍스트도 빠져요.

페이지 레이아웃 모드는 반대로 동작해요. 각 줄을 인쇄된 위치 그대로 두고, 양식이나 청구서, 은행 거래 내역서의 열은 공백으로 맞춰 줘요.

스캔한 페이지에는 텍스트 레이어가 없고 종이를 찍은 그림만 있어요. OCR을 켜면 그런 페이지만 브라우저에서 Tesseract 엔진이 47개 언어 중 하나로 읽어요. 보고서를 인용하거나, 계약서를 번역기나 글자 수 세기 도구에 넣거나, 명세서에서 숫자를 뽑을 때 많이 써요. 글꼴, 색상, 이미지, 링크는 결과에 포함되지 않아요. 그런 것이 필요하면 PDF를 Word로 변환하세요.

기능

PDF 텍스트 추출: 자주 묻는 질문