스캔 PDF 글자 추출 (OCR)

복사가 안 되는 스캔 PDF에서 글자만 뽑아내기

스캐너나 휴대폰으로 만든 PDF는 글자가 사진으로 박혀 있어 드래그해도 선택되지 않고 검색도 되지 않습니다. 이 도구는 각 장을 이미지로 그린 뒤 광학 문자 인식(OCR)으로 글자를 읽어 복사·수정·저장할 수 있는 텍스트로 꺼냅니다. 파일은 서버로 올라가지 않고 브라우저 안에서만 처리됩니다.

조금 더 자세히

인식 엔진은 tesseract.js로, 글자 인식 시작을 누르는 순간에만 불러옵니다. 첫 실행 때는 엔진과 선택한 언어의 학습 데이터를 한 번 내려받아야 해서 1분 안팎이 걸릴 수 있고, 같은 언어로 다시 실행하면 이미 준비된 워커를 재사용하므로 바로 시작합니다. 내려받는 것은 언어 데이터뿐이고, PDF 자체는 전송되지 않습니다. 각 페이지는 2배 배율로 흰 바탕 위에 그려진 뒤 인식되므로, 원본이 선명할수록 결과가 정확합니다.

결과는 페이지마다 "--- 1페이지 ---" 같은 구분선을 두고 이어진 순수 텍스트이며, 화면의 편집창에서 바로 고친 뒤 복사하거나 "_OCR.txt" 파일로 저장합니다. 검색 가능한 PDF를 새로 만들어 주는 것이 아니라 텍스트를 꺼내 주는 도구라는 점을 기억하세요. 여러 PDF를 한꺼번에 올리면 파일별 구분선을 넣어 차례로 처리하고, 하나가 실패해도 나머지는 끝까지 진행하며, 중간에 중단 버튼으로 멈출 수 있습니다. 이미 텍스트가 들어 있는 일반 PDF라면 PDF 워드 변환이 더 빠르고 정확합니다.

이렇게 쓰세요

• 스캔 PDF를 올립니다. 여러 파일을 한 번에 올려도 됩니다.
• 문서 언어를 고릅니다. 한국어 + 영어, 영어, 한국어만, 일본어, 중국어(간체) 중에서 실제 문서에 맞는 것을 고를수록 인식률이 올라갑니다.
• 글자 인식 시작을 누릅니다. 첫 실행이면 엔진 준비 메시지가 먼저 뜨고, 이후 "3/10페이지 인식 중… 45%"처럼 진행률이 표시됩니다.
• 아래 편집창에 나타난 텍스트를 확인해 오타를 고친 뒤 복사하거나 TXT 저장으로 내려받습니다.

이럴 때 유용해요

자주 막히는 지점

팁 한글과 영어가 섞인 문서는 "한국어 + 영어"를 고르고, 영어만 있는 문서는 "영어"를 고르는 편이 정확합니다. 언어를 넓게 잡을수록 비슷한 모양의 글자를 헷갈릴 여지가 커집니다.