PDF 파일에서 텍스트를 단계별로 추출하는 방법
빠른 답변
PDF에서 텍스트를 추출하려면: PDF to Text 도구를 열고 PDF를 업로드하면 추출된 텍스트가 텍스트 영역에 나타납니다. 텍스트를 복사하거나 .txt 파일로 다운로드하세요. 모든 처리는 로컬에서 이루어지며 PDF은(는) 업로드되지 않습니다.
소개
PDF에서 텍스트를 추출하면 텍스트 콘텐츠를 복사, 검색, 편집 또는 분석할 수 있습니다. 디지털 PDF(워드 프로세서로 생성)에는 직접 추출할 수 있는 텍스트가 포함되어 있습니다. 스캔한 PDF(페이지 이미지)에서 텍스트를 추출하려면 OCR(광학 문자 인식)이 필요합니다. 이 가이드는 무료 온라인 도구를 사용하여 브라우저의 PDF 파일에서 텍스트를 추출하는 방법을 보여줍니다.
단계별
-
PDF 텍스트 도구 열기
PDF 텍스트 추출 도구 페이지로 이동하세요. 이 도구는 WASM 기반 PDF 구문 분석 라이브러리를 사용하여 로컬에서 PDF를 처리합니다.
-
PDF 파일 업로드
업로드를 클릭하거나 PDF 파일을 도구에 끌어다 놓습니다. 도구는 파일을 메모리에 로드합니다. 텍스트가 포함된 디지털 PDF는 빠르게 추출됩니다. 스캔한 PDF에는 OCR이 필요할 수 있습니다.
-
텍스트 추출
추출을 클릭합니다. 이 도구는 PDF을 구문 분석하고 각 페이지에서 모든 텍스트 콘텐츠를 가져옵니다. 디지털 PDF의 경우 이는 빠르고 정확합니다. 스캔한 PDF의 경우 도구는 느리지만 여전히 로컬인 OCR(tesseract.js)을 사용할 수 있습니다.
-
추출된 텍스트 검토
추출된 텍스트는 일반적으로 구분 기호로 표시되는 페이지 구분선과 함께 텍스트 영역에 나타납니다. 텍스트가 정확한지 검토하세요. 스캔한 페이지의 OCR에는 특히 특이한 글꼴이나 낮은 품질의 스캔에 오류가 있을 수 있습니다.
-
텍스트 복사 또는 다운로드
복사를 클릭하여 텍스트를 클립보드에 복사하거나 다운로드를 클릭하여 .txt 파일로 저장합니다. 검색, 편집, 분석 또는 다른 문서에 붙여넣기 위해 텍스트를 사용합니다.
예
디지털 PDF 추출
입력: report.pdf (10페이지, 디지털 텍스트)
산출: 전체 텍스트 내용, 최대 5000단어, 높은 정확도
OCR을(를) 사용하여 PDF을(를) 스캔했습니다.
입력: scanning.pdf (5페이지, 스캔 이미지)
산출: OCR-추출된 텍스트, 최대 2000단어, 사소한 오류가 있을 수 있음
혼합 PDF
입력: 혼합.pdf(일부는 디지털 페이지, 일부는 스캔 페이지)
산출: Digital pages extract perfectly; scanned pages use OCR
일반적인 문제
- 스캔한 PDF에서 OCR 오류가 발생합니다. —OCR은 완벽하지 않습니다. 비정상적인 글꼴, 낮은 해상도 또는 기울어진 스캔으로 인해 정확도가 떨어집니다. 추출된 텍스트를 항상 교정하세요.
- '디지털' PDF에서 텍스트가 추출되지 않습니다. 일부 PDF는 텍스트를 문자 대신 윤곽선(벡터 그래픽)으로 저장합니다. 텍스트처럼 보이더라도 OCR이 필요합니다.
- 서식 손실 —텍스트 추출 시 글꼴, 색상 및 레이아웃이 손실됩니다. 출력은 서식 있는 문서가 아닌 일반 텍스트입니다.
- 큰 PDF는 속도가 느릴 수 있습니다. 100페이지가 넘는 PDF에서 텍스트를 추출하는 데 몇 초가 걸릴 수 있습니다. 특히 OCR의 경우 더욱 그렇습니다.
팁
- 디지털 PDF는 완벽하고 즉시 추출됩니다. 가능하면 사용하세요. 소스를 제어하는 경우 스캔이 아닌 디지털 PDF로 내보냅니다.
- 스캔한 PDF의 경우 해상도가 높을수록 더 나은 OCR 결과를 얻을 수 있습니다. 최소 300DPI가 적합합니다.
- 전체 텍스트 검색 인덱싱, 콘텐츠 분석 또는 접근성을 위해 추출된 텍스트를 사용합니다(화면 판독기는 OCR 없이는 스캔한 PDF를 읽을 수 없습니다).
- 비공개 브라우저 기반 추출을 위해 PDF 텍스트 도구를 사용하세요. PDF은(는) 기기를 떠나지 않습니다.