스캔한 문서와 PDF에서 텍스트를 추출하는 방법
스캔본에서 텍스트를 꺼내는 방법. 결과를 좌우하는 설정, 여러 페이지 스캔 요령, 이미지로만 된 PDF를 알아보는 법, 종이 문서를 검색 가능한 보관함으로 만드는 방법을 소개합니다.
업데이트
스캐너는 페이지의 사진을 찍는 기계입니다. 그 사진을 PDF로 저장하더라도 페이지는 여전히 이미지이고(흔히 이미지 PDF라고 부릅니다), OCR이 읽기 전까지는 텍스트를 선택하거나 검색하거나 복사할 수 없습니다. 스캔본에서 좋은 텍스트를 얻는 일은 스캐너 앞에서 시작되며, 그때 내린 선택은 나중에 되돌리기 어렵습니다.
이 가이드에서는 스캐너 설정, 여러 페이지 문서, 내 PDF가 어떤 종류인지 알아보는 법, 검색 가능한 보관함을 만드는 방법을 다룹니다.
스캔 PDF인가, 디지털 PDF인가?
모든 PDF에 OCR이 필요한 것은 아닙니다. Word나 웹 페이지에서 내보낸 PDF에는 실제 텍스트가 들어 있어 그대로 정확하게 복사됩니다. 어떤 종류인지는 간단히 확인할 수 있습니다.
- 단어 하나를 선택해 보세요. 단어를 하나씩 선택할 수 있다면 페이지에 텍스트 레이어가 있습니다. 페이지 전체가 한 덩어리로 선택되거나 아무 반응이 없다면 이미지입니다.
- 눈에 보이는 단어를 검색해 보세요. Ctrl+F(Mac은 ⌘F)로 아무것도 찾지 못한다면 쓸 수 있는 텍스트가 없는 것입니다.
- 크게 확대해 보세요. 디지털 텍스트는 아무리 확대해도 선명합니다. 스캔한 텍스트는 흐릿해지거나 계단처럼 깨집니다.
섞여 있는 PDF도 주의하세요. 입력한 페이지 뒤에 서명 페이지만 스캔해 붙인 계약서나, 부록만 스캔본인 보고서처럼요.
텍스트 레이어가 있어도 품질이 나쁠 수 있습니다. 몇 년 전에 OCR을 거친 PDF는 부정확한 보이지 않는 텍스트 레이어를 품고 있어 복사하면 엉뚱한 단어가 나옵니다. 복사하면 알아볼 수 없는 문자가 나오는 글꼴을 쓴 PDF도 있습니다. 이런 경우에는 페이지를 이미지로 취급하세요. PDF 뷰어에서 해당 페이지를 그림으로 내보낸 다음 그 그림을 읽으면 됩니다.
Image to Text App은 PDF의 모든 페이지를 읽습니다. 이미 선택 가능한 텍스트가 있는 페이지는 OCR 없이 그대로 가져오고, 이미지 페이지만 인식하므로 섞인 문서도 최대한 정확하게 나옵니다. PDF 텍스트 추출 페이지가 이 용도에 맞게 설정되어 있습니다.
OCR에 도움이 되는 스캐너 설정
해상도
텍스트에는 300 dpi가 일반적인 기준이며, Tesseract 문서에서도 최소값으로 권장합니다. 각주, 계약서의 깨알 같은 약관, 약 설명서처럼 아주 작은 글씨는 400~600 dpi로 스캔하세요. 일반 크기의 텍스트를 그보다 높게 스캔하면 결과는 거의 나아지지 않고 파일만 커집니다.
색상 모드
흑백보다 회색조를 고르세요. 스캐너의 흑백 모드는 스캔하는 순간 하나의 고정된 기준으로 잘라 버립니다. 흐린 글자는 끊어지고 굵은 글자는 뭉개지며, 잃어버린 디테일은 되찾을 방법이 없습니다. 회색조는 그 정보를 남겨 두므로 OCR 소프트웨어가 어디가 잉크이고 어디가 종이인지 판단할 수 있습니다.
색이 의미를 가질 때는 컬러를 쓰세요. 형광펜으로 표시한 구절, 색깔 있는 도장, 칸마다 색이 들어간 양식, 남겨 두고 싶은 사진이 있는 페이지 등입니다. 특히 형광펜은 흑백 스캔에서 짙은 회색 덩어리가 되어, 표시해 둔 바로 그 텍스트를 가려 버릴 수 있습니다.
파일 형식
여러 페이지 문서에는 PDF와 TIFF가, 한 페이지짜리에는 PNG가 좋습니다. 일부 스캐너가 ‘작은 파일’ 사전 설정에서 쓰는 강하게 압축된 JPEG는 피하세요. JPEG 압축은 글자 가장자리에 얼룩 같은 잡티를 남기며, 작은 글씨일수록 피해가 큽니다.
물리적인 부분
스캐너 유리를 닦으세요. 작은 티끌 하나가 모든 페이지에 반복해서 찍힙니다. 양면에 인쇄된 얇은 종이는 페이지 뒤에 검은 종이를 한 장 대면 뒷면이 비치지 않습니다.
휴대폰을 스캐너로 쓰기
가끔 스캔할 일이 있다면 휴대폰으로도 충분합니다. iPhone은 메모 앱과 파일 앱에 문서 스캔 기능이 들어 있고, 많은 Android 휴대폰도 카메라나 문서 앱에서 같은 기능을 제공합니다. 이런 모드는 페이지 가장자리를 찾고, 원근을 바로잡고, PDF로 저장해 주므로 그냥 찍은 사진보다 대개 낫습니다. 조명, 각도, 초점처럼 사진에 관한 내용은 정확한 OCR 결과를 얻는 방법을 참고하세요.
여러 페이지 문서 스캔하기
- 낱장은 자동 급지 장치를 쓰세요. 스테이플러 심과 클립을 빼고, 종이가 서로 달라붙지 않게 부채처럼 펼쳤다 모으고, 양면 원본이라면 양면 스캔을 켜세요.
- 페이지 수를 세세요. 자동 급지 장치는 가끔 한 장을 건너뛰거나 두 장을 한꺼번에 끌어갑니다. 종이를 치우기 전에 스캔본의 페이지 수를 원본과 비교하세요.
- 책은 평판 스캐너로 스캔하세요. 제본 부분 근처의 줄이 휘지 않도록 책등을 눌러 주고, 안쪽 여백에는 그림자가 생긴다고 생각하세요. 조명 보정으로 그림자는 고르게 할 수 있지만 휜 줄을 곧게 펴지는 못합니다.
- 정렬되도록 파일 이름을 붙이세요. 페이지를 각각의 이미지로 스캔한다면 1, 2, 3이 아니라 001, 002, 003으로 번호를 매기세요. 그렇지 않으면 10페이지가 2페이지보다 앞에 정렬됩니다.
Image to Text App에서는 PDF나 여러 페이지 TIFF의 각 페이지가 작업 공간의 페이지가 됩니다. 페이지를 끌어서 순서를 바꾸고, 어느 페이지든 다시 인식하고, 전체 문서 보기에서 모든 페이지를 검색한 뒤 결과를 하나의 파일로 내보낼 수 있습니다.
검색 가능한 PDF 만들기
검색 가능한 PDF는 원본 스캔본 위에 보이지 않는 텍스트 레이어를 단어 위치에 정확히 겹쳐 놓은 파일입니다. 겉보기에는 스캔본과 똑같지만 검색하고, 텍스트를 선택하고, 복사할 수 있습니다. 컴퓨터의 파일 검색과 많은 클라우드 드라이브도 내용으로 이 파일을 찾아냅니다.
문서를 보관하기에는 이 형식이 가장 좋은 경우가 많습니다. 서명, 도장, 레이아웃까지 종이에 있던 모든 것을 그대로 지키면서도, 안에 든 단어로 문서를 찾을 수 있기 때문입니다. 텍스트를 편집해야 한다면 대신 Word나 일반 텍스트로 내보내세요. 이미지 PDF 변환 도구로 이미지에서 검색 가능한 PDF를 만들 수 있습니다.
한 가지 주의할 점이 있습니다. 숨겨진 레이어의 OCR 오류는 눈에 보이지 않습니다. 이름이 잘못 읽혔다면 그 이름으로 검색해도 해당 페이지가 나오지 않습니다. 중요한 검색이라면 성이나 이름의 앞 글자 몇 개처럼 짧은 검색어를 써 보세요. 한 글자가 잘못 읽혀도 찾아질 가능성이 더 높습니다.
종이 문서 보관하기
몇 가지 습관만 들이면 스캔한 보관함을 몇 년이고 유용하게 쓸 수 있습니다.
- 파일 이름은 날짜로 시작하세요.
2026-03-14 전기요금 3월.pdf같은 이름은 어느 폴더에서든 저절로 날짜순으로 정렬됩니다. - 폴더는 얕게 유지하세요. 집, 세금, 의료, 업무처럼 큼직한 폴더 몇 개가 깊은 폴더 트리보다 찾기 쉽습니다.
- 장기 보관에는 PDF/A를 고려하세요. PDF/A는 보관용으로 설계된 ISO 표준 PDF입니다. 글꼴처럼 파일을 표시하는 데 필요한 모든 것을 파일 안에 담기 때문에, 몇 년 뒤에도 문서가 제대로 열릴 것으로 기대할 수 있습니다. 많은 스캐너 프로그램과 PDF 도구에서 이 형식으로 저장할 수 있습니다.
- 백업하세요. 흔히 쓰는 원칙은 사본 세 개를, 두 가지 다른 저장 매체에, 그중 하나는 다른 장소에 두는 것입니다.
- 종이가 중요한 문서는 종이도 보관하세요. 유언장, 부동산 권리 증서, 공증 문서, 일부 세무·법률 서류는 원본을 보관해야 할 수 있습니다. 규정은 나라와 문서에 따라 다르니, 중요한 문서는 파쇄하기 전에 꼭 확인하세요.
스캔한 문서는 신분증, 은행 거래 내역서, 진료 관련 서류처럼 사람들이 가진 파일 중 가장 민감한 경우가 많습니다. 어떤 온라인 도구에든 넣기 전에 온라인 OCR은 안전한가요?를 읽고 무엇을 확인해야 하는지 알아 두세요.