PDF를 텍스트로 변환하기
PDF의 글자를 추출해 텍스트(TXT 파일)로 변환하는 무료 도구입니다. 텍스트가 있는 페이지는 그대로 추출하고, 스캔한 페이지의 글자는 OCR(문자 인식)로 읽습니다. PDF는 브라우저 안에서 처리되며 외부로 전송되지 않습니다. OCR로 한 번에 인식할 수 있는 페이지는 200페이지(처리에 시간이 걸리는 기기는 30페이지)까지입니다. 열 수 있는 PDF는 파일 하나당 200MB(스마트폰·태블릿은 100MB)까지입니다.
PDF에 텍스트가 없는 페이지(스캔한 페이지 등)나 텍스트가 깨진 페이지가 있을 때만 처음 실행할 때 AI 모델(약 13MB)을 이 사이트에서 받아오며, 이후에는 브라우저에 저장된 모델을 사용합니다. PDF는 외부로 전송되지 않습니다.
설정
사용 방법
- 1
PDF 추가
텍스트로 변환할 PDF를 고르거나 끌어다 놓습니다. 여러 PDF를 한 번에 추가할 수 있습니다. PDF는 외부로 전송되지 않습니다.
- 2
문서 언어와 페이지 구분 고르기
「문서 언어」에서 PDF에 쓰인 언어를 고릅니다(스캔한 페이지를 인식할 때 씁니다). 일부 페이지만 변환할 때는 「페이지 범위」에 입력합니다. 페이지 사이에 넣는 구분은 「페이지 구분」에서 고릅니다.
- 3
텍스트로 변환하고 저장하기
「실행」을 누르면 PDF의 글자를 추출한 TXT 파일을 만듭니다. 「저장」으로 저장하거나 「텍스트 복사」로 전체를 복사합니다. 스캔한 페이지를 인식했을 때는 「인식한 글자 확인」으로 인식한 줄을 확인할 수 있습니다.
PDF 텍스트 추출에 대해
텍스트가 있는 페이지는 Chrome의 PDF 표시에도 쓰이는 PDFium으로 텍스트를 추출합니다(AI 모델은 쓰지 않습니다). 텍스트가 없는 페이지와 텍스트가 깨진 페이지(글자를 선택하면 다른 글자가 되는 것)는 PaddleOCR의 글자 인식 모델(PP-OCRv6, Apache-2.0)을 브라우저 안에서 실행해 인식합니다. 이때만 처음 실행할 때 AI 모델(약 17MB)을 이 사이트에서 받아오며, 이후에는 브라우저에 저장된 모델을 사용합니다. 텍스트가 있는 페이지가 많은 PDF에서는 AI 모델을 받아오기 전에 인식할지 확인합니다. GPU(WebGPU)를 쓸 수 없는 기기에서는 CPU로 처리하므로 GPU를 쓸 때보다 시간이 더 걸립니다.
OCR 텍스트가 이미 있는 페이지는 그 텍스트를 추출합니다. 텍스트와 이미지가 섞인 페이지는 텍스트를 추출한 뒤, 텍스트와 겹치지 않는 부분을 인식합니다. OCR로 인식할 페이지가 한 번에 인식할 수 있는 수를 넘으면, 텍스트가 없는 페이지를 앞에서부터 인식하고 인식하지 않은 페이지의 번호를 표시합니다. 저장되는 파일은 문자 인코딩이 UTF-8인 텍스트 파일(.txt)입니다. 페이지 사이에 넣는 구분은 「페이지 구분」에서 고를 수 있습니다(기본값은 「--- 1 / 3 ---」 같은 구분 줄).
이 도구의 사양
- 입력
- 출력
- TXT
- 제한
- 파일 수 제한 없음(일괄 처리), 파일당 200MB까지(스마트폰·태블릿은 100MB), OCR로 인식하는 페이지는 한 번에 200페이지까지(CPU로 처리하는 기기는 30페이지. 넘은 페이지는 번호를 표시)
- 무료·가입 불필요·앱 설치 불필요
- 파일을 외부로 전송하지 않음(브라우저 안에서 처리)
자주 묻는 질문
PDF가 서버로 전송되나요?
아니요. PDF 읽기·텍스트 추출·글자 인식은 모두 사용 중인 기기의 브라우저 안에서 처리됩니다. 문제를 고치기 위한 처리 통계(페이지 수의 범위, 텍스트를 추출한 페이지 수와 OCR로 인식한 페이지 수의 범위, 페이지당 처리 시간의 범위, 오류의 종류 등)는 이 사이트의 서버로 전송됩니다. 통계에는 PDF의 내용, 추출한 텍스트, 인식한 글자, 파일 이름, 비밀번호, 지정한 페이지 범위가 포함되지 않습니다. 통계 전송은 페이지 아래쪽의 「처리 통계 전송」 스위치로 멈출 수 있습니다.
스캔한 PDF에서도 텍스트를 추출할 수 있나요?
네. 텍스트가 없는 페이지와 텍스트가 깨진 페이지는 OCR(문자 인식)로 글자를 읽습니다. 가로쓰기 인쇄 글자를 대상으로 합니다. 세로쓰기 페이지도 인식하지만 가로쓰기보다 오류가 많고, 문장 부호를 빠뜨릴 수 있습니다. 손글씨는 대상이 아닙니다. PDF 형식 그대로 검색할 수 있게 하려면 「PDF OCR」을 사용하세요.
비밀번호가 걸린 PDF나 작성자가 제한을 건 PDF에서도 텍스트를 추출할 수 있나요?
네. 비밀번호가 걸린 PDF는 열기 비밀번호를 입력하면 열 수 있습니다. 작성자가 복사·추출을 금지한 PDF는 권한 비밀번호를 입력하기 전까지 텍스트를 추출하지 않습니다. 이 도구는 비밀번호를 추측하지 않으므로, 권한 비밀번호를 모를 때는 PDF 작성자에게 확인하세요. 텍스트(TXT 파일)에는 비밀번호나 제한을 설정할 수 없으므로, 저장한 파일은 누구나 열 수 있습니다. 검은 사각형 같은 주석으로 가린 글자도 텍스트로 파일에 남아 있으면 추출되므로, 파일에서 글자를 삭제하려면 「PDF 검게 가리기」를 사용하세요.
추출한 텍스트에 오류가 있나요?
있습니다. OCR로 인식한 페이지는 글자 크기, 스캔 해상도, 종이의 얼룩이나 기울기에 따라 잘못 인식하거나 빠뜨리는 글자가 있습니다. 표 안에서 글자 사이를 넓게 띄운 숫자는 다른 글자보다 잘못 인식되기 쉽습니다. 「문서 언어」에서 일본어를 고르면 JIS 제2수준 밖의 한자와 이모지가 모양이 비슷한 글자로 인식될 수 있습니다. 단 나누기나 표는 읽는 순서와 다르게 나열될 수 있습니다. 텍스트가 있는 페이지는 PDF에 저장된 순서대로 나열되고, OCR로 인식한 페이지에서는 칸이 긴 표가 열 단위로 나열될 수 있습니다. 「인식한 글자 확인」을 누르면 OCR로 인식한 줄이 페이지에 겹쳐 표시되고, 오류일 가능성이 높은 줄은 다른 색으로 표시됩니다.
서비스 품질 향상에 협조를 부탁드립니다
변환이나 압축이 실패했을 때 그 상황을 보내 주시면 원인을 찾는 데 도움이 됩니다. 어떤 기기와 형식에서 자주 실패하는지, 처리에 얼마나 걸리는지 알 수 있으면 지원 형식을 재검토하고 문제를 고치는 데 반영할 수 있습니다. 괜찮으시다면 켜 둔 채로 두시면 큰 도움이 됩니다.
전송하는 정보
- 사용한 도구와 선택한 설정(출력 형식·품질 등)
- 기기 성능(GPU 유무·메모리·코어 수)
- 입력 형식과 대략적인 크기
- 성공·실패 건수와 소요 시간
- 실패한 경우 오류의 종류와 내용
전송하지 않는 정보
- 파일 자체·파일 이름
- PDF의 글자·수정하거나 가린 글자·비밀번호·글꼴 이름·지정한 페이지 범위
- 인식한 글자·인식한 줄의 위치
- IP 주소
전송 대상은 이 사이트의 자체 서버뿐이며 외부 서비스에는 넘기지 않습니다.
도구별로 보내는 세부 내역을 포함한 전체 항목은 개인정보 처리방침의 「처리 통계」를 확인하세요.
이 도구가 보내는 세부 내역(개수·시간·종류·여부만)
이 도구는 「전송하는 정보」에 더해 다음 내역을 보냅니다.
- PDF 도구(공통)
- 페이지 수의 범위, 편집 금지 여부, 권한 비밀번호 입력 여부, 전자 서명·암호화 여부.
- PDF 텍스트 추출
- 입력과 출력의 개수, 텍스트를 추출한 페이지·OCR 텍스트가 이미 있던 페이지·텍스트와 이미지가 섞인 페이지·OCR로 인식한 페이지·인식했지만 글자가 없던 페이지·텍스트가 깨진 페이지·빈 페이지·세로쓰기로 다시 나열한 페이지·방향을 고친 페이지·AI 모델을 받아오지 않아 인식하지 않은 페이지·한 번에 인식할 수 있는 수를 넘어 인식하지 않은 페이지의 수, 인식한 줄과 글자의 수, 기존 글자나 주석과 겹쳐 인식하지 않은 영역과 글자의 수(모두 범위), 세로쓰기 줄과 오류일 가능성이 높은 줄의 비율의 범위, 페이지당 처리 시간과 AI 모델을 불러오는 시간의 범위, AI 모델의 종류와 버전·받아왔는지, AI 모델을 받아오기 전에 확인했는지, 그린 해상도의 범위와 해상도를 낮췄는지, 글자를 찾기 위해 이미지를 나눈 수의 범위, 예상 소요 시간이 15분을 넘었는지, GPU를 쓸 수 없게 되었는지.