스캔한 PDF에서 글자가 복사되지 않는 이유

받은 PDF에서 문장을 복사하려는데 아무리 끌어도 선택이 안 될 때가 있습니다. 파일이 잘못된 것이 아니라, 그 PDF 안에 글자가 아예 없기 때문입니다.

PDF에는 두 종류가 있습니다

워드나 한글에서 'PDF로 저장'해 만든 문서에는 글자가 글자로 들어 있습니다. 그래서 선택, 복사, 검색이 됩니다.

반면 종이를 스캔하거나 사진으로 찍어 만든 PDF에는 그림 한 장이 들어 있을 뿐입니다. 사람 눈에는 글자로 보이지만 컴퓨터에게는 점의 모음이라, 복사할 글자가 없습니다. 팩스로 받은 문서, 관공서에서 받은 접수증, 계약서 스캔본이 대부분 여기에 해당합니다.

본문을 마우스로 드래그해보거나, PDF 뷰어에서 Ctrl+F로 문서에 분명히 있는 단어를 찾아보세요. 검색 결과가 0건이면 글자가 없는 문서입니다.

한 파일 안에서도 섞여 있을 수 있습니다. 본문은 글자인데 중간에 끼운 도표만 그림인 경우가 흔합니다.

그림 속 글자를 읽어 실제 글자로 바꿔 주는 기능을 글자 인식, 영어로 OCR이라고 합니다. 문서를 한 글자씩 알아보고 옮겨 적는 것이라 완벽하지는 않지만, 직접 타이핑하는 것보다는 훨씬 빠릅니다.

정확도는 원본 상태에 크게 좌우됩니다. 반듯하고 또렷한 인쇄물은 거의 그대로 읽고, 기울어졌거나 흐린 사진은 글자가 뒤섞입니다. 손글씨는 사실상 읽지 못합니다.

먼저 똑바로 세우세요: 가로로 누운 쪽이나 거꾸로 된 쪽은 인식이 크게 떨어집니다. 회전으로 방향부터 맞추면 결과가 달라집니다.
언어를 맞추세요: 한글 문서에 영어 설정을 걸면 글자가 엉뚱하게 나옵니다. 반대도 마찬가지입니다. 영어가 섞인 한글 문서는 두 언어를 함께 쓰는 쪽이 낫습니다.
해상도가 너무 낮으면 포기: 화면에서 확대했을 때 글자가 뭉개져 보이면 사람도 못 읽는 상태입니다. 다시 스캔하거나 더 밝게 찍는 편이 빠릅니다.
표는 기대하지 마세요: 글자는 읽어도 칸 구조는 유지되지 않습니다. 표가 중요한 문서는 결과를 그대로 쓰기 어렵습니다.

글자 인식 결과는 참고용입니다. 금액, 날짜, 이름, 계좌번호처럼 틀리면 곤란한 값은 반드시 원본과 한 글자씩 대조하세요. 0과 O, 1과 l처럼 사람 눈에도 헷갈리는 글자에서 특히 자주 틀립니다.

스캔본을 글자 문서로 '바꾸는' 것이 아니라 '읽어서 옮겨 적는' 것이라는 점도 기억해 두세요. 원본 PDF는 그대로 그림 문서로 남습니다.