pdfMB

PDF를 텍스트로

PDF의 모든 텍스트를 읽는 순서대로, 문단으로 이어서 꺼내세요. 복사하거나 .txt 파일로 내려받을 수 있습니다. 파일은 이 기기 안에만 있습니다.

  • 업로드 없음파일은 이 기기에만 머뭅니다.
  • 원본 파일은 그대로입니다새 사본을 내려받는 것이며 원본 파일은 바뀌지 않습니다.
  • 무료, 가입 불필요계정도, 하루 사용 제한도 없습니다.

파일은 이렇게 처리됩니다

아래의 모든 과정은 사용자의 기기, 브라우저 안에서 이루어집니다. PDF는 업로드되지 않으므로 저희를 포함해 누구도 볼 수 없습니다.

  1. 브라우저가 Firefox에 내장된 PDF 뷰어인 pdf.js로 PDF를 열고, 모든 텍스트 조각을 위치와 크기 정보와 함께 읽습니다.
  2. 같은 줄에 있는 텍스트 조각을 이어 줄을 만들고, 줄을 이어 문단을 만들기 때문에 몇 단어마다 줄이 바뀌지 않습니다. 줄 끝에서 하이픈으로 나뉜 단어도 다시 이어 붙입니다.
  3. 2단이나 3단으로 된 페이지는 단별로 읽습니다. PDF 뷰어에서 복사하면 단이 한 줄씩 섞이는 경우가 많습니다.
  4. 문서 제목이나 페이지 번호처럼 대부분의 페이지 위나 아래에 반복되는 줄은 문장을 끊지 않도록 제거할 수 있습니다.
  5. 표는 한 행이 한 줄이 되고 셀은 탭으로 구분되므로, 스프레드시트에 붙여 넣으면 올바른 열에 들어갑니다.
  6. 웹 브라우저에서 저장한 PDF 등 일부 PDF는 어떤 글자를 “글자 없음”으로 표시합니다. 태국어에서는 주로 모음 위에 붙는 성조 부호입니다. pdfMB는 파일 안의 글꼴에서 이를 다시 만들어 냅니다.
  7. 스캔처럼 텍스트가 없는 페이지는 “OCR PDF”와 같은 OCR 엔진으로 읽을 수 있습니다. 내려받는 것은 언어 데이터뿐이며, 그것도 한 번만입니다.
  8. .txt 파일은 기기 안에서 UTF-8로 저장되므로 어떤 언어든 그대로 나옵니다. 클립보드에 복사할 수도 있습니다.
간단 요약
  1. PDF 선택
  2. “텍스트로 변환” 누르기
  3. 미리 보기 확인
  4. 복사하거나 .txt 파일 내려받기

PDF에서 텍스트를 꺼내는 방법

  1. PDF를 선택하거나 상자에 끌어다 놓으세요. pdfMB가 모든 페이지를 읽고, 텍스트가 없는 스캔 페이지가 있는지 알려 줍니다.
  2. 스캔한 페이지가 있으면 “스캔한 페이지의 텍스트 읽기(OCR)”를 켠 채로 두고 문서의 언어를 고르세요.
  3. “텍스트로 변환”을 누르세요. 진행 상황이 막대로 표시됩니다.
  4. 미리 보기를 확인하세요. 머리글과 바닥글을 남기거나 지우고, 페이지가 시작되는 곳을 표시하거나, 제목과 표를 남기려면 Markdown으로 바꿀 수 있습니다.
  5. “모두 복사”를 눌러 다른 곳에 붙여 넣거나 .txt 파일을 내려받으세요.

복사한 태국어 텍스트에서 성조 부호가 자주 빠지는 이유

태국어 글꼴에는 성조 부호 모양이 여러 개 있습니다. ที่이나 น้ำ처럼 윗모음 위에 올라가는 높은 모양과 보통 모양입니다. PDF에는 어떤 모양을 그렸는지와 각 모양이 어떤 글자인지 알려 주는 표가 저장됩니다.

Chrome, Edge 등 Chromium 계열 브라우저에서 저장한 PDF는 이 표에서 높은 모양을 “아무것도 아님”으로 적어 두는 경우가 많습니다. 텍스트를 복사하거나 이 표를 그대로 믿는 도구를 쓰면 부호가 빠져, น้ำ(물)가 นำ(이끌다)로 바뀝니다.

Chrome에서 저장한 35페이지짜리 태국어 위키백과 글로 테스트했더니 성조 부호 1,915개가 이렇게 표시되어 있었습니다. pdfMB는 파일 안의 글꼴에서 올바른 부호를 찾아내, 성조 부호 4,911개가 모두 그대로 나왔습니다.

이럴 때 많이 씁니다

내가 쓴 글 다시 쓰기

예전 보고서, 편지, 이력서의 텍스트를 PDF에서 꺼내 어떤 프로그램에서든 편집하세요.

번역

문장 중간에서 끊긴 줄이 아니라 문단 전체를 번역기에 붙여 넣으세요.

검색과 글자 수 세기

긴 문서를 검색하거나, 단어 수를 세거나, 텍스트 편집기에서 두 버전을 비교하세요.

태국어 문서

웹 브라우저에서 저장한 PDF에서도 성조 부호가 살아 있는 태국어 텍스트를 복사하세요.

할 수 없는 것

  • 텍스트만 남습니다. 그림, 차트, 도형은 빠집니다. 저장하려면 “PDF를 JPG로” 도구를 쓰세요.
  • 굵게, 기울임, 제목, 링크는 일반 텍스트가 됩니다. 남기려면 “PDF를 Markdown으로” 도구를 쓰세요.
  • 페이지 위 텍스트의 정확한 위치는 남지 않습니다. 상자와 여백에 있는 텍스트는 문단 흐름 안으로 들어갑니다.
  • 수식은 일반 텍스트로 나오며, 위 첨자와 아래 첨자도 같은 줄에 놓입니다.
  • 아랍어, 히브리어처럼 오른쪽에서 왼쪽으로 쓰는 언어는 아직 충분히 테스트하지 않았습니다. 결과를 꼼꼼히 확인하세요.
  • 암호가 걸린 PDF와 작성자가 복사를 막아 둔 PDF는 변환할 수 없습니다.

PDF를 텍스트로 변환하는 것에 대한 질문

PDF가 업로드되나요?

아니요. pdfMB는 브라우저 안에서 파일을 읽으며, 파일은 기기 밖으로 나가지 않습니다. 브라우저의 네트워크 도구에서 직접 확인할 수 있습니다.

PDF 뷰어에서 그냥 복사하면 안 되나요?

대부분의 뷰어는 한 줄씩 복사하기 때문에 줄마다 줄바꿈이 들어가고, 단이 섞이고, 하이픈으로 나뉜 단어도 나뉜 채로 남습니다. pdfMB는 줄을 문단으로 잇고, 단을 순서대로 읽으며, 머리글과 페이지 번호를 뺄 수도 있습니다.

태국어 성조 부호가 유지되나요?

네. pdfMB는 일부 PDF에서 “글자 없음”으로 표시된 성조 부호도 복원합니다. 저희 테스트에서 35페이지짜리 태국어 글의 성조 부호 4,911개가 모두 그대로 나왔습니다.

스캔한 PDF도 읽을 수 있나요?

네. OCR을 켜고 언어를 고르세요. OCR은 이름과 숫자를 잘못 읽을 수 있으니 결과를 확인하세요.

.txt 파일의 인코딩은 무엇인가요?

UTF-8입니다. Notepad, TextEdit, VS Code 등 요즘 편집기라면 모두 열 수 있습니다. 모든 언어와 기호가 그대로 남습니다.

페이지 수나 크기 제한이 있나요?

정해진 제한은 없습니다. 긴 문서일수록 시간이 더 걸리고, 아주 큰 파일은 일부 휴대폰에서 메모리가 부족할 수 있습니다.