PDF를 텍스트로 변환

PDF에서 글자를 복사하면 줄이 이상한 곳에서 끊기거나 페이지가 통째로 빠지는 일이 많습니다. 이 변환기는 각 페이지의 텍스트 레이어를 읽어 읽는 순서대로 줄을 다시 구성하고, 복사할 수 있는 깔끔한 일반 텍스트나 저장할 수 있는 .txt 파일로 만들어 줍니다. 텍스트 레이어가 없는 스캔 페이지는 광학 문자 인식(OCR)으로 읽을 수 있습니다. 모든 처리는 브라우저에서 이뤄지므로 계약서와 보고서가 업로드되지 않습니다.

사용 방법

1. PDF 파일을 하나 이상 선택하고, 원하면 읽을 페이지도 정합니다.
2. 각 페이지가 시작되는 곳을 보려면 페이지 표시를 켜 두고, 텍스트를 문서에 붙여넣을 거라면 '줄바꿈된 줄 합치기'에 체크합니다.
3. 스캔한 PDF는 OCR에 체크하고 문서의 언어를 고릅니다.
4. 상자에서 텍스트를 복사하거나 .txt 파일을 내려받습니다.

계산식

같은 기준선(세로 어긋남이 글꼴 크기의 절반 미만)에 있는 텍스트 조각은 한 줄이 되고, 글꼴 크기의 ¼보다 넓은 가로 간격은 공백이 되며, 줄 높이의 1.8배를 넘는 세로 간격은 새 문단을 시작합니다.

'줄바꿈된 줄 합치기'는 문단 안의 줄을 공백으로 합치고, 소문자 단어 앞의 줄 끝 하이픈을 없애며, 중국어와 일본어 줄은 공백 없이 잇습니다. .txt 파일은 메모장에서 올바르게 보이도록 Windows 줄바꿈을 쓴 UTF-8입니다.

예시

각 페이지에 'Page 1', 'Page 2', 'Page 3'이라고 적힌 3쪽짜리 PDF는 6단어, 18글자가 됩니다. 페이지 표시를 켜면 텍스트가 '--- Page 1 ---' 다음에 'Page 1'로 시작하고, 끄면 세 페이지가 빈 줄로 구분됩니다.

텍스트 레이어와 스캔 페이지

Word, 브라우저, 회계 프로그램에서 만든 PDF에는 실제 텍스트가 들어 있어서 정확히 추출됩니다. 스캔본은 종이를 찍은 그림이라 OCR이 글자를 인식하기 전에는 텍스트가 없습니다. OCR은 처음 한 번 엔진과 언어 데이터(약 10–20 MB)를 내려받고, 페이지당 몇 초가 걸리며, 작은 글자를 잘못 읽을 수 있으니 이름과 숫자는 꼭 확인하세요. 일반 텍스트 대신 검색 가능한 PDF가 필요하면 PDF OCR을 쓰세요.