PDF에서 텍스트 복사하는 방법 (그리고 가끔 빈칸이 나오는 이유)

PDF에서 텍스트를 꺼낼 수 있는지는 PDF가 어떻게 만들어졌는지에 달려 있어요. 열어서 마우스로 단어 하나를 선택해 보세요. 어떤 경우인지 바로 알 수 있어요.

경우 1: 단어가 선택돼요

PDF에 실제 텍스트가 있어요. PDF를 텍스트로가 페이지별로 읽어 일반 .txt 파일과 복사할 수 있는 상자를 줘요. 각 페이지가 어디서 시작하는지 알아야 한다면(문서를 인용할 때 편해요) 페이지 구분 표시에 체크하세요.

경우 2: 아무것도 선택되지 않아요

PDF가 스캔본이나 사진이에요. 글자처럼 보이는 건 신문 사진처럼 글자의 그림이에요. 꺼낼 게 없으니 추출해도 아무것도 나오지 않아요.

그림을 다시 글자로 바꾸려면 OCR(광학 문자 인식)이 필요해요. 먼저 OCR PDF로 처리하세요. 페이지마다 글자를 인식해 보이지 않는 층으로 더해 줘요. 그 다음엔 PDF가 보통 PDF처럼 동작해서 ‘PDF를 텍스트로’로 뽑을 수 있어요. 흐리거나 비뚤어진 스캔에서는 오류가 생기니, 이름과 숫자는 확인하고 쓰세요.

한 단락만 필요하다면 휴대폰이 더 빨라요. iPhone에서는 사진 속 글자를 길게 누르세요(라이브 텍스트). Android에서는 Google 렌즈가 같은 일을 해요.

경우 3: 텍스트는 나오는데 순서가 뒤죽박죽이에요

PDF는 텍스트 조각을 이어진 단락이 아니라 페이지 위의 위치와 함께 저장해요. 읽는 순서를 되살리려고 추출기는 조각을 줄로 묶어 위에서 아래로 정렬해요. 보통 페이지엔 잘 되지만, 다음 경우엔 약해요.

• 2단 레이아웃: 두 단의 줄이 서로 섞일 수 있어요.
• 표: 칸 없이 값이 나열된 줄로 나와요.
• 비스듬한 글자나 곡선을 따라가는 글자.

짧은 부분이라면 뷰어에서 직접 선택해 복사하는 게 가장 깔끔해요. 범위를 직접 고르니까요. 문서 전체라면 모두 뽑은 다음 텍스트 편집기에서 정리하세요.

이상한 문자

네모, 물음표가 나오거나 ‘fi’ 대신 ‘fi’ 같은 합자가 나온다면, PDF가 올바른 문자 대응표가 없는 글꼴을 쓰고 있는 거예요. 합자는 찾아 바꾸기로 금방 고칠 수 있지만, 빠진 문자는 OCR 없이는 대개 되살릴 수 없어요.