PDF 텍스트 추출

작동 방식

실제 텍스트가 들어 있는 PDF는 페이지에 배치된 글자 자체를 담고 있습니다. 이 도구는 이를 페이지 순서대로 읽어 일반 텍스트 파일로 저장합니다. 인용, 검색, 단어 수 세기, 또는 PDF를 읽지 못하는 곳에 문서를 넘길 때 유용합니다.

텍스트 PDF와 스캔 PDF는 다릅니다

PDF가 워드 프로세서나 내보내기로 만들어졌다면 텍스트가 텍스트로 저장되어 있어 추출이 작동합니다. 스캐너나 휴대폰 카메라로 만들어졌다면 각 페이지는 문서의 사진이므로 추출할 글자는 없고 픽셀만 있습니다. 이를 읽으려면 OCR이 필요하며, 이 도구는 OCR을 의도적으로 시도하지 않습니다. 아무것도 찾지 못했을 때는 설명 없이 빈 파일을 돌려주는 대신 그 사실을 알려 줍니다.

레이아웃은 유지되지 않습니다

PDF는 텍스트를 문단이 아니라 좌표에 놓인 조각으로 저장합니다. 추출은 같은 높이의 조각을 묶어 줄을 복원하는데, 일반적인 산문에서는 잘 작동하지만 여러 단 레이아웃, 표, 사이드바에서는 잘 작동하지 않아 읽는 순서가 뒤섞일 수 있습니다.

페이지 표시

각 페이지 앞에는 표시가 붙어 한 페이지가 어디서 끝나고 다음이 어디서 시작하는지 알 수 있습니다. 이어지는 글을 원하면 찾아 바꾸기로 지우세요.