📄 PDF에서 텍스트만 추출하는 법

PDF 안의 문장을 그대로 복사해 다른 문서에 옮겨 쓰고 싶을 때가 많습니다. 이때 PDF가 어떤 종류냐에 따라 결과가 완전히 달라진다는 걸 먼저 알아야 합니다.

텍스트 기반 PDF vs 스캔 이미지 PDF

PDF 위에서 문장을 드래그했을 때 실제로 선택된다면 텍스트 기반 PDF라 바로 추출이 잘 됩니다. 반면 드래그해도 선택되지 않고 페이지 전체가 사진처럼 반응한다면 스캔 이미지로 만들어진 PDF라, 일반적인 텍스트 추출로는 빈 결과만 나옵니다.

스캔 이미지라면 OCR이 먼저

스캔 이미지 PDF는 글자가 '그림'으로만 존재하기 때문에, OCR(광학 문자 인식)로 먼저 글자를 인식시켜야 그 다음에 텍스트 추출이 의미가 있습니다. 이 순서를 건너뛰고 바로 추출하면 아무 내용도 안 나오는 게 정상입니다.

추출 후 줄바꿈·표가 깨질 때

PDF는 화면에 보이는 위치 정보만 저장하고 문단 구조는 따로 저장하지 않는 경우가 많아, 추출된 텍스트의 줄바꿈이 원본과 다르게 나올 수 있습니다. 특히 표가 많은 문서는 추출 후 수동으로 정리가 필요할 수 있습니다.

구분법과 대응

증상	PDF 종류	해결법
드래그로 문장 선택됨	텍스트 기반	바로 추출
드래그해도 선택 안 됨	스캔 이미지	OCR 먼저 실행
추출 후 줄바꿈이 이상함	레이아웃 복잡	수동으로 정리

다른 가이드

다른 PDF 도구