PDF 텍스트 추출
브라우저에서 PDF의 텍스트 레이어를 UTF-8 .txt 파일로 추출합니다. 유니코드 글꼴 매핑과 일괄 처리 지원. 업로드·OCR 없음.
입력 내용과 파일은 브라우저 밖으로 전송되지 않습니다
PDF 업로드
또는 기기에서 파일 선택
처리할 파일
이 페이지에서
브라우저에서 PDF 파일의 텍스트 레이어를 일반 UTF-8 .txt 파일로 추출하세요. 검색, 비교, 스크립트 입력에 쓸 수 있습니다. 아무것도 업로드되지 않으며 OCR은 사용하지 않습니다.
상세 기능
추출기는 각 페이지의 텍스트 표시 명령을 읽고 글꼴의 ToUnicode 맵, 내장 TrueType cmap 또는 WinAnsi 인코딩으로 문자를 디코딩합니다. 그래서 PDF에 매핑이 있으면 키릴 문자를 비롯한 비라틴 문자도 올바르게 나옵니다. PDF가 다음 줄로 넘어가는 곳에서 줄이 바뀌고, 페이지 사이에는 빈 줄이 들어갑니다.
스캔한 PDF는 이미지만 담고 있고 OCR이 없으므로 빈 텍스트가 나옵니다. 다단 레이아웃과 표는 파일에 텍스트가 저장된 순서대로 펼쳐지며, 단어 사이 공백은 PDF를 만든 방식에 따라 달라집니다. 비밀번호로 보호된 PDF는 명확한 메시지와 함께 거부됩니다.
여러 PDF를 한 번에 추가할 수 있습니다. Web Worker에서 진행률 표시줄과 함께 하나씩 처리되고, 취소를 누르면 즉시 중단되며, 완료된 행마다 TXT 다운로드가 생겨 <name>.txt를 저장할 수 있습니다.
실용적인 예제
2페이지 문서: 페이지 내용이 “Second doc page A”와 “Second doc page B”인 PDF에서는 Second doc page A, 빈 줄, Second doc page B가 나옵니다.
큰 파일: 2,500페이지 5.44 MB PDF에서 36 KB의 big.txt가 만들어지며, 그동안 페이지는 멈추지 않습니다.
스캔한 계약서: 페이지 이미지로 된 PDF에서는 빈 .txt가 나옵니다. 먼저 다른 곳에서 OCR을 실행하세요.
비밀번호로 보호된 파일: “locked.pdf: 비밀번호로 보호된 PDF라서 처리할 수 없습니다.”가 표시되고, 일괄 작업의 다른 파일은 계속 추출됩니다.
이 도구 사용 방법
PDF 파일 추가
파일 선택을 클릭하거나 PDF를 하나 이상 PDF 업로드 영역에 드롭합니다. 파일은 처리할 파일 아래에 나타납니다.
추출
텍스트 추출을 클릭합니다. 진행률 표시줄에 현재 파일이 표시되며, 취소로 일괄 작업을 멈출 수 있습니다.
텍스트 다운로드
행의 TXT 다운로드를 클릭해
<name>.txt(UTF-8)를 저장합니다.
팁 및 모범 사례
- 결과가 비어 있다면 PDF가 스캔본일 가능성이 큽니다. 추출할 텍스트 레이어가 없습니다.
- 글자가 깨진다면 PDF 글꼴에 쓸 수 있는 유니코드 매핑이 없는 것입니다. PDF 뷰어에서 복사해도 대개 똑같이 실패합니다.
- 표와 다단은 저장 순서대로 나오므로 스크립트로 텍스트를 파싱하기 전에 줄 순서를 확인하세요.
- 텍스트 추출을 다시 클릭해도 이미 추출한 파일은 건너뛰므로 같은 목록에 파일을 더 추가할 수 있습니다.