PDF 테이블을 번역한다는 것은 일반적으로 모든 텍스트를 한 언어에서 다른 언어로 변환하는 것을 의미합니다. 그러나 일부 시나리오에서는 보다 정밀한 접근 방식이 필요합니다. 즉, 본문 텍스트를 원래 언어로 유지하면서 숫자만 한 형식에서 다른 형식으로 변환하거나, 날짜 형식을 DD/MM/YYYY에서 MM/DD/YYYY로 변환하거나, 소수 구분 기호를 유럽식 쉼표에서 영어 마침표로 변경하는 것입니다. 이것은 전통적인 의미의 언어 번역이 아닙니다. 숫자 형식 현지화이므로 전체 텍스트 번역과는 다른 도구가 필요합니다.
숫자 현지화는 언어보다는 형식 규칙에 더 중점을 둡니다.
숫자와 날짜에 대한 PDF 번역 접근 방식은 텍스트 대체 수준이 아닌 데이터 추출 수준에서 작동합니다. 숫자 값을 추출하고 프로그래밍 방식으로 변환한 다음 변환된 값을 원본 PDF에 오버레이하거나 새 버전의 테이블을 생성합니다. WukongPDF의 PDF 변환기은 추출 단계를 안정적으로 처리하고 스프레드시트 기반 형식 변환은 나머지를 처리합니다. 주변 텍스트에서 숫자 셀만 분리하는 것은 나머지 프로세스가 작동하는지 여부를 결정하는 중요한 첫 번째 단계입니다.
지역 간 일반적인 숫자 및 날짜 형식 차이점
소수점과 천 단위 구분 기호는 혼란의 가장 큰 원인입니다. 1000.25센트라는 숫자는 미국과 영국에서는 1,000.25로 표시되지만 대부분의 유럽 대륙과 남미에서는 1.000,25로 표시됩니다. 미국 청중을 대상으로 하는 독일 출신 테이블에서는 주변 텍스트의 단 한 단어도 건드리지 않고 모든 소수점 쉼표를 마침표로 바꾸고 수천 개의 마침표를 쉼표로 바꿔야 합니다. 일괄 찾기 및 바꾸기는 숫자와 텍스트를 모두 손상시켜 원래 형식 불일치보다 더 심각한 혼란을 야기합니다.
날짜 문자열은 또 다른 차원의 모호성을 추가합니다. 문자열 03/04/2025는 미국에서는 3월 4일을 의미하지만 영국과 대부분의 유럽에서는 4월 3일을 의미합니다. 소스 형식을 모르고 변환하면 날짜가 몇 주 또는 몇 달씩 바뀔 위험이 있습니다. 통화 기호에는 위치 규칙도 적용됩니다. 아일랜드에서는 유로 기호가 금액 앞에 오지만 프랑스에서는 뒤에 옵니다. 일부 지역에서는 기호와 숫자 사이에 공백을 삽입하지만 다른 지역에서는 그렇지 않습니다. 음수는 일부 로케일에서는 앞에 마이너스가 표시되고 다른 로케일에서는 괄호로 표시되며 일부 로케일에서는 뒤에 마이너스가 표시됩니다. 각 규칙은 지역 관행에 깊이 내재되어 있으며 대상 독자가 문서를 신뢰할 수 있도록 올바르게 매핑되어야 합니다.
PDF 테이블에서 숫자 셀만 추출
테이블을 셀 주소 지정이 가능한 형식으로 만드는 것이 첫 번째 단계입니다. Excel 또는 CSV로 내보내면 그리드 구조가 유지되고 Excel에 내장된 형식 감지 기능을 통해 자동으로 숫자 셀을 식별할 수 있습니다. 텍스트를 열로 변환 마법사와 숫자 형식 인식은 수동 개입 없이 간단한 사례를 처리합니다. 깔끔하게 내보내는 테이블의 경우 전체 변환은 1분 미만이 소요됩니다.
깔끔하게 내보내지 않는 테이블, 병합된 셀, 복잡한 테두리, 단일 셀에 혼합된 텍스트와 숫자 내용 등에는 프로그래밍 방식의 접근 방식이 필요합니다. camelot-py 및 tabula-py와 같은 Python 라이브러리는 숫자 열 감지 기능이 내장된 DataFrame으로 테이블을 추출합니다. 프로그래밍 방식 경로는 값과 단위 약어가 모두 포함된 셀과 같이 숫자 부분만 다시 형식화해야 하는 극단적인 경우도 처리합니다. 식별된 숫자 열에만 형식 변환을 적용하는 Python 몇 줄을 작성하는 것은 포괄적으로 내보낸 손상된 셀 수십 개를 수동으로 수정하는 것보다 낫습니다.
프로그래밍 방식으로 숫자 형식 변환
분리된 숫자 셀은 예측 가능한 변환 규칙을 따릅니다. 소수점 쉼표는 마침표가 됩니다. 수천 개의 마침표는 쉼표가 되거나 완전히 제거됩니다. 어려운 부분은 각 구분 기호가 소스에서 어떤 역할을 하는지 결정하는 것입니다. 1,234의 쉼표 하나는 천 단위(1234) 또는 소수점(1.234)이 될 수 있습니다. 열 컨텍스트는 모호성을 해결합니다. 열의 다른 모든 숫자가 동일한 패턴을 따르고 크기가 하나의 해석에서만 의미가 있는 경우 해당 해석은 전체 열에 적용됩니다. 열 내의 일관성은 단일 셀의 형식보다 더 강력한 신호입니다.
날짜 변환에는 소스 형식과 대상 형식이 모두 알려져 있어야 합니다. DD/MM의 처음 두 구성 요소를 MM/DD 방향으로 바꿉니다. 소스 형식이 불확실한 경우 일 또는 월 위치에서 12를 초과하는 값을 찾으세요. 2025년 3월 15일과 같은 날짜는 월이 12로 끝나기 때문에 DD/MM/YYYY만 될 수 있습니다. 이러한 명확한 날짜를 기준으로 형식을 추론하고, 이를 모호한 날짜에 적용하고, 일자가 12를 초과하는 변환된 날짜를 수동 검토를 위해 대상 형식으로 표시합니다. 플래그는 자동화된 변환 논리가 놓친 극단적인 경우를 포착합니다.
| 요소 | 소스 형식(EU) | 대상 형식(미국) | 변환 규칙 |
|---|---|---|---|
| 십진수 | 1.234,56 | 1,234.56 | 스왑 . 및 역할 |
| 날짜 | 2025년 12월 31일 | 2025년 12월 31일 | 처음 두 구성요소 교체 |
| 통화 | 123,45€ | $148.14 | 환율에 따른 변환 + 재포맷 |
| 백분율 | 12,5% | 12.5% | 소수점 쉼표를 점으로 바꾸기 |
변환된 숫자를 PDF로 다시 통합
완성된 PDF로 돌아가는 두 가지 경로가 있습니다. 변환된 스프레드시트에서 원본과 일치하는 형식으로 새 PDF를 생성하는 것은 간단한 테이블에 적합합니다. 최신 스프레드시트를 PDF로 내보내기 도구는 대부분의 서식을 유지하며 원본 레이아웃을 미러링하도록 설정된 템플릿을 사용하면 변환된 값을 제외하고 출력을 거의 구별할 수 없습니다. 서식이 복잡한 테이블에는 대신 오버레이 접근 방식이 필요합니다.
오버레이는 다시 내보내기가 충실도를 잃는 복잡한 레이아웃에 작동합니다. 숫자 셀만 투명한 텍스트 레이어로 변환하고 원본 PDF의 정확한 위치에 원본 숫자를 겹쳐 놓은 다음 먼저 흰색 교정 상자로 원본을 덮습니다. 이렇게 하면 수정된 숫자 형식을 표시하는 동안 전체 시각적 레이아웃이 유지됩니다. 큰 테이블의 경우 정확한 위치 지정은 지루한 작업이므로 제출 지침과 문서를 픽셀 단위로 비교하는 규제 기관의 인증된 명세서와 같이 레이아웃 충실도가 가장 중요한 짧은 문서에 대해 이 기술을 남겨 두십시오.
변환된 출력물의 품질 확인
숫자 오류는 눈에 잘 띄지 않게 숨겨져 있습니다. 123.456,78의 잔액을 123,456.78로 잘못 변환하면 값이 두 자릿수로 변경되지만 얼핏 보면 합리적인 숫자로 읽혀집니다. 합계를 교차 확인하고, 행 합계를 비교하고, 변환된 날짜가 예상 범위에 속하는지 확인하여 원본과 샘플을 비교합니다. 한 가지 빠른 온전성 확인: 관련 요소를 적용한 후 변환된 합계가 원본과 대략 일치합니까? 불일치는 반올림 차이가 아닌 변환 논리 오류를 나타냅니다.
중요한 문서에는 두 번째 눈이 필요합니다. 다른 사람이 독립적으로 무작위 표본을 변환하고 결과를 비교하게 하십시오. 재무 서류 제출이나 법적 계약에서 숫자 오류로 인해 발생하는 비용은 확인 단계 비용보다 훨씬 큽니다. 반복되는 변환의 경우 알려진 올바른 출력과 함께 알려진 값의 테스트 모음을 유지하고 각각의 새로운 변환에 대해 실행하십시오. 테스트 스위트는 회귀를 즉시 포착하고 변환 논리가 문서화된 모든 엣지 케이스를 처리한다는 확신을 구축합니다.