본문으로 건너뛰기
Convertube

PDF 파일: 텍스트를 다시 꺼내기가 왜 이렇게 어려울까

PDF가 실제로 무엇을 저장하는지, PDF 워드 변환에서 왜 레이아웃이 깨지는지, 스캔한 PDF와 디지털 PDF의 차이를 설명합니다. 업로드 없이 브라우저에서 PDF를 변환하세요.

한눈에 보기

종류
문서
확장자
.pdf
MIME 유형
application/pdf
다른 이름
Portable Document Format

PDF는 문서가 아니라 완성된 페이지를 기술합니다. 콘텐츠 스트림은 이 글꼴을 설정하고, 이 좌표로 이동하고, 이 글리프 문자열을 표시하고, 이 경로를 그리라는 식의 그리기 연산자의 나열이며, Adobe가 프린터를 구동하려고 설계한 PostScript에서 거의 그대로 물려받은 것입니다. 이 혈통이 포맷의 두 가지 결정적인 특성을 설명합니다. 뷰어가 판단할 여지가 전혀 없으므로 어디서나 똑같이 보이고, 사람이 보는 구조가 한 번도 기록된 적이 없으므로 내용을 꺼내기가 유난히 어렵습니다.

더 읽기

구체적으로 말하면 PDF에는 문단도, 줄도, 종종 단어조차 없습니다. 위치가 지정된 글리프 묶음이 있을 뿐입니다. 지금 읽고 있는 문장도 계산된 좌표에 놓인 십여 개의 별도 묶음으로 저장되어 있을 수 있고, 두 단어 사이의 공백은 공백 문자가 아니라 잉크가 없는 빈자리일 수 있습니다. 따라서 이 변환기를 포함한 모든 PDF 텍스트 변환기와 PDF 워드 변환기는 재구성을 하는 것입니다. 기준선별로 묶음을 모아 줄을 되찾고, 문단 경계를 추측하고, 글자 크기로 제목을 추론합니다. 일반적인 글에는 잘 통하지만 단과 표는 평평하게 뭉개집니다. 그것을 유지하는 데 필요한 정보가 애초에 파일에 없었기 때문입니다.

두 번째로 알아야 할 것은 "PDF"가 완전히 다른 두 가지 경우를 가리킨다는 점입니다. Word나 브라우저에서 내보낸 PDF에는 검색하고 복사할 수 있는 실제 텍스트가 들어 있습니다. 스캐너나 휴대폰 카메라로 만든 PDF에는 페이지를 찍은 사진만 있고 텍스트는 전혀 없습니다. 글자가 픽셀이므로 문자 인식(OCR) 없이는 무엇으로도 꺼낼 수 없습니다. 이 사이트는 이런 경우를 감지해 파일을 업로드하지 않고 사용자의 기기에서 AI 인식 모델을 실행합니다. 이는 흔치 않은 방식입니다. 보통 OCR은 변환기가 문서를 서버로 보내는 지점이기 때문입니다.

PDF는 개인정보 보호가 더 이상 추상적인 문제가 아니게 되는 지점이기도 합니다. 계약서, 급여 명세서, 은행 거래 내역서, 의료 소견서, 청구서, 스캔한 신분증이 모두 이 포맷으로 오갑니다. 여기서 이루어지는 모든 변환은 페이지 안에서 실행됩니다. PDF는 브라우저 안의 코드가 열고, 렌더링하고, 읽으며, 파일을 전송하는 요청은 하나도 없습니다. 이 변환기가 이렇게 만들어진 이유가 바로 그것이며, PDF는 그 점이 가장 중요한 분야입니다.

PDF 도구

페이지 단위 편집으로, 변환은 전혀 거치지 않습니다. 14개 모두 기기에서 실행됩니다.

PDF을(를) 다른 형식으로 변환

다른 형식을 PDF(으)로 변환

PDF 자주 묻는 질문

PDF를 Word로 변환하면 왜 항상 모양이 어긋나나요?

PDF는 구조가 아니라 위치가 지정된 글리프를 저장하기 때문입니다. 변환이란 좌표로부터 문단, 제목, 읽는 순서를 추론하는 일이며, 애초에 표나 2단 레이아웃으로 기록된 적이 없는 것을 되살릴 방법은 없습니다. 레이아웃을 더 잘 유지하는 변환기는 완전한 오피스 제품군이 있는 서버에서 페이지를 렌더링하는 방식을 쓰는데, 이는 곧 사용자의 파일을 받는다는 뜻입니다.

내 PDF가 스캔본인지 어떻게 알 수 있나요?

PDF 리더에서 텍스트를 선택해 보세요. 단어를 선택하고 복사할 수 있다면 파일에 텍스트 레이어가 있습니다. 대신 커서가 그림 위에 상자를 그린다면 스캔본이며, 텍스트를 추출하려면 문자 인식이 필요합니다.

여기서 OCR을 하면 문서가 업로드되나요?

아니요. PDF에 텍스트 레이어가 없으면 500만 개 파라미터의 신경망인 AI 인식 모델을 브라우저로 내려받아 그 자리에서 실행합니다. 처음에는 약 21 MB이며, 이후에는 캐시됩니다. OCR을 제공하는 다른 변환기들은 모두 파일을 서버로 보냅니다.

인식 정확도는 어느 정도인가요?

자체 테스트에서 깨끗한 인쇄 문서 기준으로 중국어와 영어 모두 문자의 약 98%입니다. 실제 스캔본은 더 어렵습니다. 도장, 손글씨, 낮은 해상도, 비뚤게 들어간 페이지는 모두 정확도를 떨어뜨립니다. 출력은 원본과 대조해 확인할 초안으로 여기세요.

PDF의 파일 크기 한도가 동영상보다 훨씬 낮은 이유는 무엇인가요?

한도는 80 MB입니다. 페이지를 전체 해상도 비트맵으로 메모리에 렌더링하는데, 그 비용은 PDF가 얼마나 잘 압축되었는지가 아니라 픽셀 수로 결정되기 때문입니다. 동영상 변환은 파일을 흘려보내며 처리하지만, PDF 페이지는 한꺼번에 래스터로 존재해야 합니다.

어떤 PDF 변환을 골라야 하나요?

검색하거나 붙여 넣을 글자가 필요하다면 TXT입니다. 편집이 목적이고 레이아웃이 깨져도 괜찮다면 DOCX를 고르세요. 페이지를 지금 모습 그대로 보여 주고 싶다면 JPG나 PNG입니다. 사진처럼 스캔한 페이지에는 JPG, 글자와 도표에는 PNG가 맞습니다.

이미지를 PDF로 만들 수 있나요?

네, 무손실로 가능합니다. PDF는 JPEG와 PNG 데이터를 그대로 담을 수 있어, 이미지를 다시 압축하지 않고 있는 그대로 넣습니다. 결과 페이지는 A4에 맞춰지지 않고 이미지의 픽셀 크기와 같아집니다.

비밀번호로 보호된 PDF도 지원하나요?

아니요. 암호화된 PDF는 읽거나 렌더링하기 위해 열 수 없으며, 빈 페이지를 만들어 내는 대신 그 사실을 알리는 메시지와 함께 작업이 실패합니다. 먼저 PDF 리더에서 비밀번호를 해제하세요.