Filespry

PDF에서 텍스트 추출하기

PDF 안의 텍스트를 꺼내 복사하고 검색하고 다시 쓸 수 있게 합니다. 브라우저에서 작동하며 파일은 업로드되지 않습니다. 실제 텍스트만 읽으며, OCR이 없어서 스캔한 PDF는 지원하지 않습니다.

파일은 브라우저 안에서 처리되며 업로드되지 않습니다.

사용 방법

  1. PDF를 선택하거나 상자 위로 끌어다 놓습니다.
  2. 반복되는 머리글 제거, 끊긴 단어 잇기, 페이지 표시 중 원하는 옵션을 고릅니다.
  3. 텍스트 추출 버튼을 누르고 페이지를 읽는 동안 기다립니다.
  4. 텍스트를 복사하거나 .txt로 내려받습니다. 그 전에 상자 안에서 수정할 수도 있습니다.

PDF에서 텍스트를 추출할 때 알아 둘 점

많은 PDF는 텍스트를 페이지 위의 위치가 있는 실제 문자로 저장합니다. 추출은 그 문자를 읽고 간격을 바탕으로 줄과 문단을 다시 구성합니다. 워드프로세서에서 내보낸 보고서, 논문, 계약서에는 잘 맞고, 이미지만 담고 있는 스캔본에는 맞지 않습니다.

PDF에는 진짜 문단 구조가 없어서 도구가 추측합니다. 붙어 있는 줄은 이어 붙이고 간격이 크게 벌어진 곳에서 새 문단을 시작합니다. 글머리 기호 목록은 줄이 따로 유지됩니다. 단과 표는 약점인데, 각 페이지를 가로로 한 줄씩 읽기 때문입니다.

추출한 뒤에는 어색하게 끊긴 곳이 없는지 보고 상자에서 고치세요. 상자에는 단어 수와 글자 수도 표시됩니다. 모든 페이지에 머리글이나 번호가 있다면 정리 옵션을 켜 두세요. 스캔본은 OCR 프로그램으로 먼저 인식시킨 뒤, 인식된 PDF를 이곳으로 가져오면 됩니다.

자주 묻는 질문

텍스트가 없다는 안내가 나오는 이유는 무엇인가요?

PDF가 스캔본이거나 사진으로 찍은 페이지일 가능성이 큽니다. 실제 텍스트가 아니라 글자 모양의 이미지가 들어 있고, 이 도구에는 OCR(문자 인식)이 없어서 추출할 것이 없습니다. 워드프로세서에서 내보낸 PDF는 대체로 잘 됩니다.

텍스트 순서가 뒤섞여 나오는 이유는 무엇인가요?

도구는 페이지에 놓인 순서대로 텍스트를 읽습니다. 여러 단, 표, 사이드바, 텍스트 상자가 있으면 서로 다른 영역의 줄이 섞일 수 있습니다. 한 단으로 된 짧은 문서가 가장 깔끔하며, 나머지는 수정 가능한 상자에서 고칠 수 있습니다.

정리 옵션은 무엇을 하나요?

반복되는 머리글과 바닥글 제거는 절반 이상의 페이지 위나 아래에 나오는 제목과 쪽 번호 같은 줄을 지웁니다. 끊긴 단어 잇기는 줄 끝에서 하이픈으로 나뉜 단어를 붙입니다. 페이지 표시는 각 페이지 앞에 표지를 넣습니다.

PDF가 서버에 업로드되나요?

아니요. 텍스트는 브라우저에서 추출되며 파일은 기기 밖으로 나가지 않습니다. 비밀번호가 걸린 PDF는 열 수 없고, 아주 긴 문서는 기기 메모리에 좌우됩니다.

관련 도구

  • PDF를 JPG로

    PDF 페이지를 JPG나 PNG 이미지로 바꿉니다

    신규
  • 글자 수 세기

    글자 수, 문장, 문단, 읽는 시간 계산

  • PDF 편집

    PDF에 텍스트, 이미지, 도형, 서명을 추가합니다

    신규
  • PDF 나누기

    PDF를 구간별 또는 한 페이지씩 자릅니다