스캔한 PDF를 OCR로 텍스트 인식하는 방법
한 줄 요약: OCR은 페이지의 겉모습을 바꾸지 않습니다. 이미지 위에 보이지 않는 텍스트 층이 얹히고 검색과 복사가 가능해집니다. 텍스트가 있는 페이지는 건너뜁니다. 품질 모드는 사실 렌더링 해상도입니다. 빠름은 100 DPI, 정확은 300 DPI입니다.
묶음
사용 안내
사용 안내: PDF guidance for reliable document processing and quality checks.
주요 도구
온라인 PDF OCR
이 글에서 도구를 열고 현재 사이트 언어로 작업을 진행하세요.
도구 열기목차
PDF 텍스트 인식: 스캔 문서에는 어떤 일이 일어날까요
스캔한 문서는 겉보기에도, 읽을 때도 문서 그대로이지만 프로그램에는 그저 그림 한 장입니다. 검색이 되지 않고, 계약 번호를 복사할 수도 없으며, 텍스트 유무를 확인하는 접수 양식에서는 빈 파일로 취급되어 거부됩니다.
텍스트 인식은 바로 이 문제를 해결합니다. 다만 방식에는 알아 둘 만한 특징이 있습니다. 문서의 어떤 부분도 다시 쓰지 않는다는 점입니다.
파일에 실제로 추가되는 것
페이지 이미지는 그대로 둡니다. 그 위에 두 번째 층이 얹히는데, 그림 속 글자가 놓인 자리에 맞춰 배치되고 눈에 보이지 않게 처리된 텍스트입니다.
결과물의 모든 성질은 여기서 나옵니다. 겉모습은 원본과 구별되지 않습니다. 종이 질감도, 도장도, 기울어져 있었다면 그 기울기도 그대로입니다. 그러면서도 검색으로 단어가 찾아지고, 더블 클릭하면 한 줄이 선택되며, 복사하면 실제 텍스트가 나옵니다.
같은 이유로 겉모습이 중요한 문서에도 안심하고 쓸 수 있습니다. 서명이 들어간 스캔 계약서는 OCR을 거친 뒤에도 같은 서명이 들어간 같은 스캔본이고, 검색만 가능해졌을 뿐입니다.
이미 텍스트가 있는 페이지는 건너뜁니다
처리하기 전에 모든 페이지에서 텍스트 층이 있는지 확인하며, 텍스트 층이 있는 페이지는 인식하지 않습니다.
여기서 실용적인 결과가 두 가지 나옵니다.
텍스트와 스캔이 섞인 문서도 따로 신경 쓰지 않아도 올바르게 처리됩니다. 파일의 일부는 편집기에서 입력했고 일부는 스캔본을 붙여 넣은 경우라면 뒤쪽만 인식합니다. 입력한 텍스트는 인식된 사본으로 바뀌지 않고 원본 그대로 남습니다. 원본 텍스트는 정확하지만 인식된 텍스트에는 오류가 있으므로 이 점은 중요합니다.
일반 텍스트 PDF에 OCR을 실행해도 거의 아무 일도 일어나지 않고 손상되는 것도 없습니다. 눈앞의 문서가 스캔본인지 알 수 없을 때 일단 도구에 넣어 보면 되니 편리합니다.
작업 시간도 같은 논리를 따릅니다. 문서의 전체 페이지 수가 아니라 텍스트가 없는 페이지 수에 따라 달라집니다. 200쪽짜리 보고서에 스캔본이 5쪽 섞여 있다면 5쪽을 처리하는 시간만 걸립니다.
세 가지 품질 모드는 곧 세 가지 해상도입니다
품질 선택은 한 가지만 정합니다. 인식하기 전에 페이지를 어느 해상도로 렌더링하느냐입니다.
| 모드 | 해상도 | 선택하면 좋은 경우 |
|---|---|---|
| 빠름 | 100 DPI | 크고 선명한 글자, 대략적인 확인 |
| 균형 | 150 DPI | 일반 문서, 계약서, 증명서 |
| 정확 | 300 DPI | 작은 글자, 각주, 상태가 나쁜 복사본 |
기본값은 균형 모드이니 기억해 두십시오. 150 DPI면 제목과 본문에는 충분하지만, 작은 각주와 표 안의 숫자, 도장은 정확 모드보다 인식 결과가 떨어집니다.
규칙은 간단합니다. 문서에 직접 봐도 눈을 찌푸리게 되는 부분이 있다면 정확 모드를 고르십시오. 더 느리지만 같은 작업을 두 번 하지 않아도 됩니다.
언어: 자동은 두 언어를 동시에 쓴다는 뜻입니다
영어와 러시아어를 선택할 수 있고, 자동 모드도 있습니다.
자동 모드는 언어를 추측하지 않습니다. 문서를 두 언어로 동시에 인식하므로, 한 언어로 된 글에 다른 언어의 이름과 코드, 용어가 섞여 있는 텍스트에 알맞습니다. 대신 속도가 느려지고, 한 언어로만 된 글에서는 정확도가 조금 떨어집니다.
문서 전체가 한 언어라면 그 언어를 직접 고르는 편이 결과가 약간 더 낫고 더 빠릅니다.
선택한 언어를 쓸 수 없는 경우에도 인식은 실패하지 않습니다. 설치되어 있는 언어로 실행하고, 요청한 언어와 실제로 적용한 언어를 모두 밝힌 별도의 경고를 붙입니다. 이 경고는 무시하지 말고 읽어 보십시오. 조용히 바뀐 언어는 이상한 결과를 설명하는 데 어떤 추측보다도 도움이 됩니다.
다른 언어로 된 문서에 대해서도 알려 드립니다. 라틴 문자는 영어 팩으로 인식되지만 그 과정에서 발음 부호가 사라지거나 깨집니다. 프랑스어와 독일어 텍스트는 읽을 수는 있지만 악센트에 오류가 생깁니다. 라틴 문자와 키릴 문자 이외의 문자 체계는 전혀 지원하지 않습니다.
텍스트 인식을 실행하는 방법
1. 온라인 PDF OCR을 열고 문서를 업로드합니다. 2. 언어를 선택합니다. 섞인 텍스트라면 자동, 한 언어로만 된 텍스트라면 해당 언어를 고릅니다. 3. 문서에 작은 글자가 있다면 정확 모드로 설정합니다. 4. 작업을 실행하고 결과를 내려받습니다. 5. 파일을 열어 스캔본에 있다고 아는 단어를 검색해 봅니다. 가장 빠른 확인 방법입니다.
기울기 보정과 그 대가
별도의 스위치로 인식 전에 기울어진 페이지를 바로잡을 수 있습니다. 기본값은 꺼짐이며, 이유가 있습니다.
바로잡는 작업은 페이지의 임시 사본에 적용되고 인식은 그 사본을 읽습니다. 그다음 텍스트 층은 보정하지 않은 원본 페이지 위에 얹힙니다. 많이 기울어진 스캔본에서는 이 때문에 어긋남이 생깁니다. 보이지 않는 텍스트가 눈에 보이는 글자에 비해 회전된 채 놓이게 됩니다.
검색은 영향을 받지 않아 단어는 그대로 찾아집니다. 마우스로 선택할 때 문제가 생깁니다. 선택 영역이 글자에서 벗어나 떨어진 곳에 잡혀서 문단을 복사하기가 불편해집니다.
원본 페이지를 건드리지 않기 위해 의도한 절충입니다. 기울기가 심하다면 인식 전에 문서를 먼저 바로잡는 편이 낫습니다. 직각 회전이라면 PDF 회전 온라인을 쓰고, 진짜 기울기 보정이 필요하면 PDF로 스캔 온라인으로 스캔본을 다시 만들면 됩니다.
텍스트 인식이 하지 않는 일
원본을 개선하지는 않습니다. 흐릿한 사진, 줄을 가로지르는 조명 반사, 페이지 절반을 덮은 손 그림자는 모두 그대로 남고, 그런 부분을 인식하면 알 수 없는 문자열이 나오거나 건너뜁니다.
손글씨는 읽지 못합니다. 이 도구는 인쇄된 글자를 위해 만들어졌습니다.
법적 효력이 있는 텍스트를 만들어 내지도 않습니다. 인식된 층에는 오류가 있어서 문서의 사본 역할을 할 수 없습니다. 인용용이 아니라 검색과 텍스트 층을 요구하는 시스템을 위한 것입니다.
해상도를 되살리지도 못합니다. 원본 스캔이 75 DPI로 만들어졌다면 정확 모드가 300 DPI로 렌더링하더라도 글자가 더 생기지는 않습니다. 흐릿한 그림이 커질 뿐입니다. 인식 품질은 설정이 아니라 원본이 결정합니다.
작업 순서에서 텍스트 인식의 자리
순서는 생각보다 중요하며, 규칙은 하나입니다. 텍스트 인식은 압축보다 먼저 합니다.
인식은 페이지 이미지를 바탕으로 합니다. PDF 압축 온라인은 그 이미지를 손상시킵니다. 해상도를 낮추고 글자 주변에 노이즈를 만듭니다. 순서를 거꾸로 하면 텍스트에 눈에 띄게 오류가 많아지고, 이후에는 이를 바로잡을 수단이 남지 않습니다.
병합과 회전도 인식보다 먼저 해야 합니다. 이 작업들은 어떤 페이지가 존재하는지, 페이지가 어느 방향인지를 바꾸는데, 텍스트 층은 특정 페이지에 묶여 있기 때문입니다.
필요한 것이 텍스트 층이 있는 파일이 아니라 텍스트 자체를 담은 별도 파일이라면 PDF를 텍스트로 온라인이 있습니다. 내용을 페이지별로 나눈 일반 텍스트 파일로 추출합니다.
작성자
서비스 팀이 작성했으며, 서비스 책임자는 Sergey Gagin입니다
자주 묻는 질문
이 묶음의 다른 글
사용 안내
PDF를 편집 가능한 Word로 변환하는 방법
Word에서 파일은 열리는데 커서가 텍스트로 들어가지 않나요? 기본값이 그림을 만드는 이유, 편집 가능한 텍스트와 정확한 사본의 차이, 반복 머리글이 사라지는 곳을 설명합니다.
사용 안내
PDF의 표를 Excel로 추출하는 방법
PDF에서 Excel로: 통합 문서에 들어가는 시트, 세 가지 감지 모드의 실제 차이, 느슨 모드가 표를 더 많이 찾지만 단어를 쪼개는 이유를 설명합니다.
사용 안내
PDF에서 페이지를 추출해 새 파일로 만드는 방법
PDF에서 필요한 페이지만 별도 파일로 추출합니다. 출력 방식 두 가지의 차이, 압축 파일에 원본 페이지 번호가 남는 이유, 크기 유지를 끄면 생기는 일을 설명합니다.
관련 도구
온라인 PDF OCR
OCR PDF는 소스 파일 업로드, 옵션 확인, 처리 실행 및 결과 다운로드를 포함한 PDF 작업을 하나의 브라우저 흐름 내에서 유지합니다.
온라인에서 PDF 텍스트 추출
PDF의 텍스트를 일반 텍스트 파일로 추출해 서식과 레이아웃 없이 내용만 복사하세요.
PDF 압축 온라인
이메일이나 업로드 양식에 맞게 PDF 용량을 줄이세요. 프리셋이나 목표 용량을 고른 뒤, 공유하기 전에 가독성과 결과 용량을 확인하세요.
온라인에서 PDF 페이지 회전
스캔본이나 일부 페이지가 옆으로 누웠거나 뒤집혀 있을 때 PDF 페이지 방향을 바로잡으세요.