PDF에서 텍스트 추출 (온라인)

PDF에 들어 있는 텍스트 레이어를 추출하거나, 스캔한 페이지의 글자를 OCR로 인식해 일반 텍스트로 저장합니다.

OCR 언어:

스캔한 PDF라면 파일을 올리기 전에 문서의 언어를 선택하세요. 나중에 바꾸면 현재 파일을 다시 읽습니다.

PDF 파일을 선택하거나 여기에 드래그 앤 드롭하세요.

스캔한 이미지 PDF에서 텍스트를 추출하고 OCR을 지원합니다.

🔤

CMap 글꼴 해석

PDF.js 문자 맵(CMap)을 사용해 여러 동아시아 글꼴과 특수 인코딩 글꼴을 해석합니다. 글꼴 정보가 불완전한 PDF에서는 여전히 잘못된 문자가 나올 수 있습니다.

👁️

스캔 페이지 OCR

추출할 텍스트가 거의 없는 페이지는 Tesseract.js OCR로 읽습니다. 정확도는 스캔 품질, 언어, 레이아웃에 따라 달라집니다.

🔒

브라우저 기반 처리

문서는 브라우저 메모리 내에서 로컬로 파싱됩니다.

사용 방법

먼저 PDF에 저장된 텍스트 레이어를 읽습니다. 스캔 문서처럼 텍스트가 거의 없는 페이지는 이미지로 렌더링한 뒤 브라우저에서 OCR로 인식합니다. OCR 엔진과 언어 데이터는 OCR을 처음 실행할 때 leedybox.com에서 내려받으며, PDF 파일 자체는 업로드되지 않습니다.

스캔한 페이지를 알맞은 문자로 읽을 수 있도록 파일을 넣기 전에 OCR 언어를 고르세요. 이 페이지의 언어에 맞게 미리 설정되어 있습니다.
드롭 영역을 클릭하거나 PDF 파일을 끌어다 놓으세요. 추출이 바로 시작되어 페이지를 하나씩 처리합니다.
텍스트 층이 있는 페이지는 바로 읽습니다. 스캔본처럼 글자가 거의 없는 페이지는 이미지로 그린 뒤 OCR로 인식하므로 시간이 더 걸리며, 진행 표시에 지금 읽는 페이지가 나옵니다.
텍스트 상자에서 결과를 확인하세요. 각 페이지는 --- 페이지 1 --- 같은 줄로 시작합니다.
'텍스트 복사' 또는 '.TXT 파일로 저장'으로 결과를 보관하거나, '파일 변경'으로 다른 PDF를 읽으세요.

자주 묻는 질문

추출한 텍스트가 깨져 보이는 이유는 무엇인가요?

일부 PDF는 글자를 자체 글꼴 인코딩으로 저장합니다. LeedyBox는 CMap 테이블을 불러와 많은 경우를 해석하지만, 올바른 유니코드 매핑이 없는 글꼴에서는 여전히 잘못된 문자가 나올 수 있습니다. 결과를 원본 문서와 대조해 확인하세요.

스캔한 문서에서도 작동하나요?

네. 텍스트 레이어가 거의 없는 페이지는 내장된 Tesseract.js OCR 엔진이 페이지 이미지에서 글자를 인식합니다. 손글씨, 저해상도 스캔, 특이한 글꼴, OCR 언어 설정에 포함되지 않은 언어는 정확도를 떨어뜨립니다.

표와 다단 레이아웃이 그대로 유지되나요?

그대로 유지되지는 않습니다. 결과는 일반 텍스트이므로 표, 단, 텍스트 상자가 줄 단위로 풀어지며, 읽는 순서가 페이지에서 보이는 것과 다를 수 있습니다.

PDF가 업로드되나요?

아니요. 텍스트는 브라우저에서 읽습니다. OCR이 필요한 페이지가 있으면 OCR 엔진과 언어 데이터를 leedybox.com에서 내려받지만, PDF 자체는 어디에도 전송되지 않습니다.

두 언어가 섞인 문서는 OCR 언어를 무엇으로 골라야 하나요?

문서의 주 언어가 들어 있는 옵션을 고르세요. '영어만'을 제외한 모든 옵션은 영어도 함께 인식합니다. 선택하지 않은 언어의 글자는 엉뚱한 문자로 읽히는 경우가 많습니다.

OCR이 느린 이유는 무엇인가요?

OCR 엔진과 언어 데이터를 내려받은 뒤, 스캔한 페이지를 브라우저에서 한 장씩 인식하기 때문입니다. 느린 기기에서는 한 페이지에 몇 초 이상 걸릴 수 있으므로 긴 스캔 문서는 시간이 걸립니다.