PDF에서 글자가 복사되지 않는 이유와 스캔본을 구분하는 법

받은 PDF에서 문장 하나를 복사하려고 드래그했는데 아무것도 선택되지 않습니다. 글자는 화면에 또렷하게 보이는데 커서가 텍스트 위를 지나가는 느낌이 없습니다.

프로그램 문제가 아닙니다. 결론부터 말하면 그 페이지에는 글자 데이터가 아예 없고, 우리가 글자로 보고 있는 것은 글자 모양이 찍힌 사진입니다.

글자가 보이는데 선택되지 않는 이유

PDF는 두 가지 방식으로 글자를 담을 수 있습니다.

텍스트로 담는 방식은 "이 위치에 이 글꼴로 '보고서'라는 문자를 그려라"라는 지시를 저장합니다. 문자 코드가 파일 안에 있으므로 선택, 복사, 검색이 됩니다. 워드나 한글에서 내보낸 PDF가 여기에 해당합니다.

이미지로 담는 방식은 페이지 전체를 사진 한 장으로 저장합니다. 종이를 스캔하거나 화면을 촬영해 만든 PDF가 여기에 해당합니다. 사진 속에 글자 모양이 찍혀 있을 뿐, 파일 안에 "보고서"라는 문자는 존재하지 않습니다.

사람 눈에는 둘이 비슷해 보이지만 파일 입장에서는 완전히 다릅니다. 스캔본에서 글자를 꺼내려면 사진 속 모양을 보고 문자를 알아맞히는 과정이 따로 필요합니다. 그 과정을 문자 인식이라고 부르고, 이 사이트의 PDF 도구에는 그 기능이 없습니다.

스캔본인지 30초 만에 구분하기

세 가지만 해보면 됩니다.

첫째, 글자를 드래그해 봅니다. 파란 선택 영역이 글자를 따라 잡히면 텍스트, 사각형으로 잡히거나 아무 반응이 없으면 이미지입니다.

둘째, 문서 안에서 검색해 봅니다. 화면에 분명히 보이는 단어를 검색했는데 결과가 없으면 이미지입니다.

셋째, 크게 확대해 봅니다. 텍스트는 아무리 확대해도 획의 경계가 매끈합니다. 이미지는 어느 배율부터 가장자리가 계단처럼 거칠어지거나 뿌옇게 번집니다.

더 확실하게 확인하려면 PDF 편집기의 텍스트 추출을 실행해 보면 됩니다. 결과가 비어 있으면 스캔본입니다.

유형별로 할 수 있는 일

혼합 문서가 생각보다 흔합니다. 워드로 작성한 문서 뒤에 스캔한 증빙 서류를 붙여 하나로 만들면 이렇게 됩니다. "어떤 페이지는 되고 어떤 페이지는 안 되는" 상황의 대부분이 이 경우입니다.

텍스트 추출이 비어 있을 때

스캔본이라는 것이 확인됐다면 아래 중에서 고르면 됩니다.

1. 원본 문서를 찾습니다. 보낸 사람에게 워드나 한글 원본이 있는지 물어보는 것이 가장 빠릅니다. 스캔본을 다루는 어떤 방법보다 결과가 좋습니다.
2. 필요한 부분만 옮겨 적습니다. 인용할 문장이 몇 줄이라면 이 편이 오히려 빠릅니다.
3. 문자 인식 도구를 따로 씁니다. 분량이 많고 원본을 구할 수 없다면 문자 인식 기능이 있는 도구가 필요합니다.
4. 글자를 꺼내는 대신 얹습니다. 요약이나 메모를 남기는 것이 목적이라면 PDF 편집기에서 원하는 위치에 텍스트를 추가할 수 있습니다.

페이지를 이미지로 따로 보관해야 한다면 PDF 변환 도구에서 페이지별 이미지로 추출할 수 있습니다.

스캔본을 다룰 때 흔한 오해

뷰어를 바꾸면 될 것이라고 생각합니다. 파일 안에 글자 데이터가 없으면 어떤 프로그램으로 열어도 없습니다.

화질이 좋으면 복사가 될 것이라고 생각합니다. 해상도가 높아도 사진은 사진입니다. 화질은 문자 인식의 정확도에는 영향을 주지만 글자 데이터의 존재 여부와는 무관합니다.

추출이 비었는데 도구 오류로 판단합니다. 빈 결과는 그 자체가 유효한 진단입니다. 스캔본이라는 답을 준 것입니다.

혼합 문서를 전부 스캔본으로 단정합니다. 앞부분 몇 페이지만 확인하고 포기하는 경우가 있습니다. 뒤쪽 페이지는 텍스트일 수 있으니 페이지별로 확인해 보세요.

스캔본이라 아무것도 못 한다고 생각합니다. 병합, 분할, 이미지 추출, 텍스트 얹기는 전부 됩니다. 안 되는 것은 글자를 꺼내는 것 하나입니다.

스캔본인지 아닌지가 갈림길입니다

드래그, 검색, 확대 세 가지로 30초면 판별됩니다. 확실하지 않으면 텍스트 추출을 돌려보면 됩니다.

텍스트 PDF라면 대부분의 작업이 가능하고, 스캔본이라면 글자를 꺼내는 것만 불가능합니다. 이 구분을 먼저 하면 안 되는 일에 시간을 쓰지 않게 됩니다.