PDF 텍스트 추출

사용 방법

1. 카드에 PDF 하나를 끌어다 놓거나 ⌘V / Ctrl+V로 붙여 넣거나 “PDF 선택”을 누르세요. 결과 상자에 텍스트가 페이지별로 나타나며 추출 버튼은 없습니다. 선택한 모든 페이지가 끝나고 상태가 초록색이 되면 복사와 내려받기가 활성화됩니다.
2. 기본적으로 모든 PDF 줄은 줄로 유지되고 문단은 빈 줄로 구분됩니다. “줄을 문단으로 합치기”를 선택하면 줄바꿈된 줄을 이어 붙입니다. 줄 끝 하이픈은 제거되고, 중국어와 일본어 줄은 공백 없이, 그 밖의 줄은 공백 하나로 이어집니다. 옵션을 바꾸면 PDF를 다시 읽지 않고 즉시 텍스트를 재배치합니다.
3. “1-3, 5”처럼 페이지를 입력하면 입력한 순서대로 해당 페이지만 유지합니다. 두 번 적은 페이지는 한 번만 나타납니다. 쉼표, 중국어 열거 부호, 아랍어 쉼표, 아랍-인도 숫자, 동아랍 숫자, 전각 숫자를 허용합니다. 모든 페이지는 비워 두세요. “--- 3 / 12 ---” 같은 페이지 표시는 원래 페이지 번호를 보여 주며 끌 수 있습니다.
4. PDF에 암호가 필요하면 나타나는 행에 암호를 입력하고 Enter를 누르세요. 암호는 이 탭에서 파일을 여는 데만 사용됩니다.

규칙, 한도 및 알려진 문제

• 아무것도 업로드되지 않습니다. PDF는 File API로 읽고 이 탭의 Web Worker가 파싱합니다. 네트워크 요청은 이 사이트 자체 파일뿐입니다. 첫 파일을 추가할 때 PDF 엔진과 워커, 일부 중국어·일본어·한국어 PDF의 문자 맵, 요청할 때 샘플을 불러옵니다. 아무것도 저장되지 않으며 새로 고치면 빈 상태로 시작합니다.
• OCR이 없습니다. 스캔 문서, 스크린샷으로 만든 PDF, 이미지 속 텍스트는 추출할 수 없으며 해당 페이지는 텍스트 레이어가 없다고 보고됩니다.
• 읽기 순서는 PDF 내부 구조를 따릅니다. 다단 레이아웃, 표, 머리글, 바닥글, 각주는 서로 섞이거나 화면에서 보는 것과 다른 순서로 나올 수 있습니다. 레이아웃 분석은 하지 않습니다.
• 표는 셀 텍스트만 나옵니다. 열 정렬이 사라지고 같은 행의 셀이 붙어 나올 수 있습니다.
• 줄을 문단으로 합치는 것은 줄 간격, 글꼴 크기, 줄 끝 하이픈에 기반한 추정입니다. 복합어에 실제로 속한 하이픈이 줄 끝에 있으면 제거될 수 있고, 제목이 아래 텍스트와 이어질 때도 있습니다.
• 글꼴에 유니코드 매핑이 없으면 텍스트가 깨지거나 비어 나옵니다. 이는 PDF 자체의 속성이며 PDF 리더에서 복사해도 보통 같은 방식으로 실패합니다.
• 아랍어 합자: 일부 PDF 생성기(예: 특정 macOS 시스템 글꼴)는 하나의 합자 글리프를 여러 문자에 매핑해 그 안의 글자가 뒤집혀 나올 수 있습니다(لا가 ال로). 도구가 임의로 고치지 않으므로 올바른 텍스트를 바꾸지 않습니다.
• 세로 텍스트는 PDF 내부 순서로 출력되며 세로 읽기 순서는 보장되지 않습니다.
• 작성자가 복사를 제한해도 도구는 텍스트를 추출하고 안내를 표시합니다. 사용할 권리가 있는지 확인하세요.
• 암호: 열기(사용자) 암호만 지원합니다. 이 탭에서 문서를 여는 데 사용되며 저장되지 않고 PDF 암호화는 제거되지 않습니다.
• 한도: 한 번에 PDF 1개, 50 MB, 2,000페이지입니다. 더 큰 파일은 실제 크기나 페이지 수와 함께 거부됩니다. 20 MB 또는 300페이지를 넘는 파일에는 “시간이 걸릴 수 있음” 안내가 표시됩니다.
• 문자 수는 자소 단위로 세며 페이지 표시와 줄바꿈은 제외합니다. 중국어나 아랍어 단어 수는 제공하지 않습니다. 자세한 통계가 필요하면 결과를 문자 및 단어 수 세기에 붙여 넣으세요.