스캔본은 컨테이너 안의 이미지

종이가 스캐너나 휴대폰 카메라를 지나면, 페이지마다 큰 이미지 하나가 생기고 그것이 제대로 인쇄되고 넘어가도록 PDF로 감싸집니다. 그 안에 문자 데이터는 없습니다. 알파벳 A는 B와 똑같이 어두운 픽셀의 무늬일 뿐입니다.

PDF는 둘을 동시에 담을 수 있습니다. 이미지와, 그 위에 놓인 보이지 않는 텍스트 레이어입니다. OCR이 만드는 것이 후자입니다. 대부분의 스캔본에는 이미지만 있습니다. 그래서 20쪽 스캔본이 30MB인데 20쪽 타이핑 문서는 300KB인 것입니다.

변환이 할 수 있는 일과 없는 일

PDF를 Word나 텍스트로 변환하는 것은 텍스트 레이어를 뽑아내는 일입니다. 텍스트 레이어가 없으면 뽑아낼 것도 없고, 정직한 결과는 둘 중 하나입니다. 페이지 이미지를 담은 문서, 또는 실패.

스캔본에서 “잘 동작해서” 그림이 들어간 Word 파일을 만들어 내는 변환기는 페이지를 읽은 것이 아니라 복사한 것입니다. 편집 가능한 레이아웃이 목적이라면 여전히 쓸모가 있지만, 검색 가능한 텍스트를 주지는 않으며, 대부분의 사람이 “변환”이라고 부르는 것도 그것이 아닙니다.

이 사이트는 OCR을 하지 않습니다. 여기서 스캔본은 스캔본으로 남습니다. 변환은 있는 것을 복사하고, 없는 단어를 지어내는 대신 그렇다고 말합니다. 검색 가능한 텍스트가 필요하다면 OCR 도구를 쓰되, 소중한 문서를 올리기 전에 그 도구가 기기에서 도는지 먼저 확인하세요.

무엇을 가졌는지 확인하는 방법

세 가지 확인이면 1분 안에 결론이 납니다.

  • 문단을 선택해 보세요. 선택되면 텍스트 레이어가 있고 변환이 됩니다.
  • 화면에 보이는 단어를 검색해 보세요. 결과가 없으면 텍스트 레이어가 없습니다.
  • 페이지당 파일 크기를 보세요. 페이지당 수백 킬로바이트 이상이면 스캔본, 수십 킬로바이트면 텍스트입니다.

정말 OCR이 필요하다면

OCR은 픽셀에서 글자를 인식해 PDF에 텍스트 레이어를 다시 써 넣습니다. 변환과는 다른 작업이고 더 느리며, 정확도는 스캔 상태에 달려 있습니다. 300 dpi, 반듯한 방향, 높은 대비, 손글씨 없음이 조건입니다. 이름, 숫자, 얇은 글꼴로 된 부분은 직접 고칠 각오를 하세요.

읽기만 하면 되는 스캔본이라면 PDF를 이미지로 바꾸는 것으로 충분한 경우가 많고, OCR보다 빠르고 손실도 없습니다.