PDF에 적절한 텍스트 레이어가 있으면 PDF에서 텍스트를 추출하는 것은 간단합니다. 간단히 선택하고 복사할 수 있습니다. 문제는 스캔한 PDF 또는 텍스트가 윤곽선으로 변환되어 텍스트의 시각적 모양은 있지만 기본 문자는 없는 경우에 발생합니다. 두 가지 상황을 모두 처리하는 방법은 다음과 같습니다.
네이티브 디지털에서 텍스트 추출 PDF
Word, Excel, PowerPoint 또는 디자인 소프트웨어에서 디지털 방식으로 생성된 PDF의 경우 텍스트 추출은 선택 및 복사만큼 간단합니다. 뷰어에서 PDF를 열고 클릭하여 드래그하여 텍스트를 선택한 다음 Ctrl/Cmd + C를 눌러 복사합니다. 텍스트 편집기, Word 문서 또는 콘텐츠가 필요한 곳에 붙여넣습니다.
여러 페이지로 구성된 PDF에서 모든 텍스트를 한 번에 추출하려면 Ctrl/Cmd + A를 눌러 모두 선택한 다음 복사하여 붙여넣으세요. 텍스트는 PDF가 저장하는 순서대로 흐르며, 일반적으로 열별로 위에서 아래로 진행됩니다. 다중 열 레이아웃은 때때로 수동 재배열이 필요한 덜 직관적인 순서로 붙여넣습니다.
OCR을 사용하여 스캔한 PDF에서 텍스트 추출
스캔한 PDF는 페이지를 이미지로 저장하므로 복사할 텍스트 레이어가 없습니다. 텍스트를 추출하려면 먼저 문서에서 OCR을 실행해야 합니다. 스캔한 PDF를 WukongPDF의 OCR PDF 도구에 업로드하고 처리한 후 검색 가능한 버전을 다운로드하세요. 이제 텍스트 레이어가 포함되어 디지털 PDF처럼 선택, 복사 및 검색할 수 있습니다.
PDF에 포함되지 않고 별도의 파일로 추출된 텍스트가 필요한 경우 PDF to Word 도구를 사용하여 OCR 출력을 Word로 변환합니다. Word 파일에는 인식된 모든 텍스트가 편집 가능한 형식으로 포함되어 있어 섹션을 쉽게 복사하고 형식을 다시 지정하거나 내용을 기반으로 작성할 수 있습니다.
단어 또는 텍스트 파일로 텍스트 추출
OCR을 수동으로 거치지 않고 직접 PDF에서 텍스트로 추출하기 위해 WukongPDF의 PDF에서 Word로의 변환기는 텍스트 내용을 추출하여 편집 가능한 .docx 파일에 배치합니다. 서식이 없는 일반 텍스트의 경우 결과 Word 문서를 열고 .txt 파일로 저장하거나 콘텐츠를 일반 텍스트 편집기에 붙여넣고 저장하세요.
이는 데이터 처리, 다른 애플리케이션으로 가져오기 또는 일반 텍스트 입력과 작동하는 AI 도구에 공급을 위해 깨끗하고 서식이 지정되지 않은 텍스트가 필요할 때 유용합니다.
비밀번호로 보호된 PDFs에서 텍스트 추출
PDF에 소유자 비밀번호로 설정된 복사 제한이 있는 경우 텍스트 선택은 시각적으로 작동하지만 복사 작업은 차단됩니다. 합법적으로 액세스할 수 있는 제한된 PDF에서 텍스트를 추출하려면 WukongPDF의 PDF Unlock 도구를 사용하여 먼저 권한 제한을 제거한 다음 정상적으로 텍스트를 추출하세요. 제한 사항이 제거되면 복사 및 붙여넣기가 제한 없이 작동됩니다.
추출 품질 확인
텍스트를 추출한 후 원본 PDF와 비교하여 몇 개의 단락을 무작위로 검사하여 정확성을 확인하세요. 일반적인 문제에는 잘못된 문자로 추출되는 합자(fi, fl 조합), 물음표로 변환되는 특수 기호, 추출된 텍스트의 중간 단어에 나타나는 하이픈으로 연결된 줄 바꿈 등이 있습니다. 무엇을 찾아야 할지 알게 되면 대부분 찾기 및 바꾸기 기능을 사용하여 쉽게 수정할 수 있습니다.