PDF 텍스트 추출

사용 방법

1. PDF 하나를 파일 영역에 끌어다 놓거나 기기에서 선택합니다.
2. 브라우저에서 페이지별 글자를 읽는 동안 현재 처리 중인 페이지를 확인합니다.
3. 검토할 페이지를 고르고 결과를 확인한 뒤, 필요한 페이지는 “이 페이지 복사”를 누릅니다.
4. 문서 전체가 필요하면 모두 복사하거나 UTF-8 TXT로 저장합니다.

PDF에서 뽑을 수 있는 글자와 뽑을 수 없는 글자

문서 편집기에서 만든 디지털 PDF에는 보통 글자 자체와 페이지 위의 위치를 기록한 텍스트 레이어가 있습니다. 이 도구는 그 레이어를 읽고 PDF가 제공하는 줄 끝 표시는 남깁니다. 다만 TXT는 글꼴, 이미지, 열, 표의 칸을 담을 수 없는 형식이므로 원래 지면을 그대로 재현하지는 않습니다. 특히 2단 논문이나 복잡한 표는 화면에서 보이는 순서와 추출된 읽기 순서가 다를 수 있으니, 인용하거나 다른 서비스에 넣기 전에 해당 페이지를 비교해야 합니다.

종이를 스캔한 PDF는 다릅니다. 글자가 보이더라도 보통은 페이지 전체가 이미지라서 선택 가능한 문자가 없고, 이 도구의 결과도 비어 있습니다. 이 경우에는 이미지 속 글자를 인식하는 OCR이 먼저 필요합니다. 민감한 디지털 PDF를 별도 인식 서비스로 보내지 않고 읽는 용도에 집중하기 위해 OCR 기능은 이 도구에 넣지 않았습니다.

페이지별 결과가 필요한 이유

긴 보고서의 인용문을 확인하거나, 특정 쪽의 표 주석만 옮기거나, 지원서의 한 항목에 필요한 내용만 붙일 때는 페이지 경계가 중요합니다. 이 도구는 문서 전체를 구분 없는 긴 글로 바로 복사하는 대신, 검토할 페이지를 고르고 그 페이지의 추출 결과만 복사할 수 있게 합니다. 전체 텍스트도 별도로 복사하거나 저장할 수 있고, 다운로드 파일은 한글·한자·이모지 등 유니코드 문자를 보존하는 UTF-8 TXT 형식입니다.

브라우저가 멈추는 일을 줄이기 위해 PDF는 1개씩 100MB·500페이지까지, 추출 결과는 유니코드 문자 1천만 자까지 처리합니다. 이는 PDF 형식 자체의 한도가 아니라 현재 기기에서 안전하게 처리하기 위한 도구의 한도입니다. 용량이 작은 스캔 PDF는 글자가 하나도 없을 수 있고, 글자가 많은 작은 PDF는 문자 한도에 닿을 수 있습니다. 파일은 현재 브라우저 탭 안에만 남고 삭제하거나 페이지를 닫으면 사라집니다.

추출한 글자를 바로 정리하는 방법

PDF에서 꺼낸 글자는 원본 지면의 머리말·꼬리말, 좁은 단의 줄바꿈, 줄 끝 하이픈이 섞여 있을 수 있습니다. 필요한 페이지만 먼저 복사한 뒤, 단마다 줄이 끊긴 글은 줄바꿈 없애기에서 PDF 복사 정리로 다듬을 수 있습니다. 자기소개서, 캡션, 신청 양식처럼 글자 수나 바이트 수 제한이 있으면 글자수 세기에 붙여 넣어 기준에 맞는지 확인하세요.

유효한 PDF를 고르면 별도의 변환 버튼이나 업로드 대기 없이 바로 읽기를 시작합니다. 암호가 걸린 PDF는 이 도구에서 열지 않습니다. 암호를 알고 있고 복사가 허용된 문서라면 PDF 암호 제거 도구로 잠금을 푼 사본을 만든 뒤 텍스트를 추출하세요. 문서 내용을 복사·재사용할 권한이 있는지도 함께 확인해야 합니다.

자주 묻는 질문