UtilityNest

PDF OCR 검색 가능하게

스캔한 PDF에 보이지 않는 글자층을 얹어 검색하고, 글자를 복사하고, 색인될 수 있게 만듭니다. 스캔 화면은 그대로이고 숨은 글자만 새로 생기며, 파일은 업로드하지 않고 기기 안에서 읽습니다.

PDF OCR 검색 가능하게 사용 방법

  1. 1스캔한 PDF를 끌어다 놓습니다. 비밀번호가 걸린 파일이면 읽기 전에 비밀번호를 묻습니다.
  2. 2글자 언어를 고릅니다. 11가지가 있고, 한글과 영어가 섞인 문서는 한국어 + 영어가 가장 좋습니다.
  3. 3대상 페이지는 글자가 없는 페이지만(추천)으로 두거나, 모든 페이지를 다시 읽으려면 모든 페이지를 고릅니다.
  4. 4검색 가능하게 만들기를 누른 뒤 검색 가능한 PDF나 텍스트(.txt)를 내려받거나, 인식한 텍스트 보기로 화면에서 확인합니다.

검색 가능한 PDF가 필요할 때

스캔한 서류는 계속 쌓입니다. 서명한 계약서, 임대차 계약서, 경비 정산용 영수증, 오래된 편지, 공부하려고 복사한 책 한 장, PDF로 저장한 팩스까지 겉보기엔 멀쩡하지만 사진처럼 동작합니다. Ctrl+F로 아무것도 찾을 수 없고, 조항을 메일에 복사할 수도 없고, 컴퓨터의 파일 검색도 안에 무엇이 있는지 모릅니다. 검색 가능하게 만들면 다시 타이핑하지 않고 페이지 모습도 바꾸지 않은 채 이 세 가지가 한 번에 해결됩니다. 문서를 인용하거나 번역하거나 화면 낭독기로 읽기 전의 첫 단계이기도 합니다.

검색 가능한 PDF란

스캐너는 각 페이지를 그림으로 저장하므로 PDF 뷰어가 검색하거나 복사할 글자가 없습니다. 이 도구는 스캔 페이지마다 OCR(광학 문자 인식)로 글자를 읽고, 인식한 단어를 그림 위에 보이지 않는 글자층으로 다시 써 넣습니다. 페이지에는 원래 스캔이 그대로 보이지만 검색이 되고, 글자를 선택해 복사할 수 있고, 검색 도구가 파일을 색인할 수 있습니다.

모든 처리는 브라우저 안에서

OCR 엔진과 언어 데이터를 한 번 불러온 뒤 기기 안에서 실행합니다. PDF는 컴퓨터나 휴대폰 밖으로 나가지 않아 계약서, 진료 기록, 신분증 사본에도 쓸 수 있습니다. 어떤 언어를 처음 쓸 때는 언어 파일을 불러오느라 몇 초 더 걸리고, 그 뒤에는 브라우저에 남아 있습니다.

이미 글자가 있는 페이지

일반 PDF 안에 스캔 페이지가 몇 장 섞여 있거나, 타이핑한 계약서 뒤에 서명한 스캔본이 붙어 있는 파일이 흔합니다. 기본 설정은 쓸 만한 글자가 없는 페이지만 읽고 나머지는 건드리지 않아, 기존 글자층이 더 나쁜 것으로 바뀌는 일이 없습니다. 스캐너가 질 낮은 글자층을 넣어 다시 읽고 싶을 때만 모든 페이지를 고르세요. 이때 실제 글자가 있는 페이지 위에도 글자층이 하나 더 생겨, 그 페이지에서 검색하면 같은 구절이 두 번씩 찾아질 수 있습니다.

직접 테스트해 본 결과

2.26 MB, 4쪽짜리 영문 임대차 계약서를 만들었습니다. 3쪽은 200 DPI(1654×2339픽셀)로 스캔한 것처럼 살짝 기울고 잡티가 있으며, 1쪽은 실제 글자가 있는 일반 페이지입니다. 기본 설정에서 OCR한 페이지 3, 이미 글자 있음 1, 찾은 단어 1,327개가 나왔고, 영어 엔진을 처음 불러오는 시간을 포함해 헤드리스 크롬에서 약 28초 걸렸습니다. 결과 PDF는 다운로드 버튼에 표시된 대로 2.19 MB로, 원본보다 약 38 KB 커졌을 뿐이고 페이지 모습은 그대로였습니다.

계약서 글의 단어 약 96%가 정확히 인식됐습니다. 15번 나오는 security deposit은 인식한 텍스트에서 15번 모두 찾아졌습니다. 오류는 여백의 잡티 자리에 생긴 엉뚱한 기호로, 지저분한 스캔에서 흔한 현상입니다. 같은 파일을 모든 페이지로 다시 돌리자 약 32초에 4쪽을 모두 읽어 1,657단어가 나왔고, 원래 글자가 있던 페이지는 검색하면 줄마다 두 번씩 찾아졌습니다. 기본 설정이 그런 페이지를 건너뛰는 이유입니다.

정확도와 한계

인식 전에 페이지를 최대 300 DPI로 그립니다. 인쇄된 글자를 깨끗하게 스캔한 경우 거의 완벽하게 나오지만, 흐린 사본, 기울어진 사진, 작은 글씨, 빽빽한 표는 정확도가 떨어지고 손글씨는 지원하지 않습니다. 엔진이 아주 확신하지 못하는 단어는 추측하지 않고 숨은 글자층에서 빼므로, 엉뚱한 결과보다는 검색이 안 되는 쪽이 더 흔합니다. 언어를 잘못 고르면 글자가 깨지니 문서 언어를 정확히 고르세요. 읽을 글자가 없다고 나오는 페이지는 빈 페이지, 글자 없는 그림, 아주 흐린 스캔일 수 있습니다.

더 좋은 결과를 얻으려면

가능하면 300 DPI 회색조로 스캔하세요. 컬러는 용량만 늘고 인식에 도움이 안 되며, 흑백 2단계는 가는 획을 끊어 놓을 수 있습니다. 옆으로 눕거나 뒤집힌 페이지는 잘 읽히지 않으니 먼저 PDF 회전으로 바로 세우세요. 휴대폰으로 찍을 때는 바로 위에서 고른 조명으로 찍으세요. 아주 긴 문서는 PDF 나누기로 나눠 돌리면 한 번에 걸리는 시간이 짧아집니다.

자주 묻는 질문

OCR 후에 PDF 모양이 달라지나요?

아니요. 페이지 이미지는 그대로 두고, 검색과 복사에 쓰이는 숨은 글자층만 더합니다.

파일이 얼마나 커지나요?

조금입니다. 숨은 글자와 글꼴 하나가 더해져 테스트에서는 3쪽에 약 38 KB였습니다. 더 작게 하려면 나중에 PDF 용량 줄이기를 거치세요. 글자층은 압축 후에도 남습니다.

어떤 언어를 읽나요?

영어, 한국어, 한국어 + 영어, 스페인어, 프랑스어, 독일어, 포르투갈어, 이탈리아어, 네덜란드어, 폴란드어, 터키어입니다. 문서에 쓰인 언어를 고르세요.

스캔한 문서가 업로드되나요?

아니요. OCR은 브라우저 안에서 실행되고 파일의 어떤 내용도 서버로 보내지 않습니다.

시간은 얼마나 걸리나요?

노트북 기준으로 페이지와 기기에 따라 쪽당 몇 초에서 10초 정도이고, 언어를 처음 불러올 때 잠깐 더 걸립니다. 휴대폰은 더 느립니다. 중지로 취소할 수 있습니다.

PDF 말고 글자만 필요해요

여기서 텍스트(.txt) 내려받기를 쓰거나, 스캔본도 처리하는 PDF 텍스트 추출 도구를 쓰세요.