복사되지 않는 PDF에서 텍스트 복사하기
게시일 · 업데이트 읽는 데 1분
PDF에는 진짜 텍스트가 들어 있거나, 텍스트의 이미지만 들어 있습니다. 추출 결과는 이 첫 번째 점에 달려 있습니다.
진짜 텍스트인가, 텍스트 이미지인가
PDF를 열고 단어 하나를 선택해 봅니다. 선택이 되면 문서에는 진짜 텍스트가 있습니다. 아니라면 페이지가 스캔처럼 이미지입니다.
도구가 하는 일
PDF를 텍스트로는 진짜 텍스트를 바로 읽고, 텍스트가 없는 페이지에는 문자 인식을 적용합니다. 결과는 페이지마다 표시가 앞에 붙은 텍스트 파일입니다. 진짜 텍스트는 “--- Page 1 [native] ---”, 인식한 페이지는 “--- Page 1 [ocr] ---”입니다. 보고서의 10쪽은 5 KB 파일이 됩니다.
두 단으로 된 페이지
도구는 줄을 페이지 전체 너비로 읽습니다. 그래서 두 단의 줄이 섞입니다. “Colonne de gauche. Le compost de printemps Colonne de droite. Un atelier sur la récupération”처럼요. 줄 끝에서 끊어진 단어는 끊어진 채로 남습니다. “com”과 “mencé”가 되고 하이픈은 사라집니다. 표의 셀은 공백으로 구분되어 한 줄에 들어옵니다.
스캔한 페이지
같은 페이지를 이미지로 변환하면 진짜 텍스트는 더 이상 없습니다. 인식에는 약 5초가 걸리고 텍스트, 끊어진 단어, 표의 세 줄을 다시 찾아내지만 섞인 단은 같습니다. 엔진은 프랑스어에 맞춰져 있습니다. 다른 언어는 인식이 떨어질 수 있고, 스캔의 선명도도 결과에 영향을 줍니다.
사용하기 전에 다시 읽기
- 고유 명사, 숫자, 악센트 기호를 확인합니다.
- 단이 바뀌는 곳을 살펴봅니다.
- 레이아웃을 유지하려면 대신 PDF를 이미지로 변환합니다.
- 원본 PDF는 보관합니다.