PDF 문자 인식은 열어도 글자가 선택되지 않는 스캔본이나 이미지형 PDF를 다루는 도구입니다. 페이지마다 300 dpi 이미지로 렌더링한 뒤 브라우저 안 tesseract 엔진에 넘겨 글자를 읽고, 세 가지 결과를 내보냅니다. 원래 페이지 화면은 그대로 두고 보이지 않는 문자층을 얹은 “검색 가능 PDF”, “—— n페이지 ——”로 구분한 TXT, 페이지마다 문단 묶음을 담고 쪽 사이에 페이지 나누기를 넣은 DOCX입니다.

PDF 자체에 문자층이 있어 선택되고 Ctrl+F도 된다면 OCR이 필요 없습니다. “PDF를 Word로”나 “PDF 텍스트 추출”이 문자층을 바로 읽어 더 빠르고 정확합니다. 이미지만 한 장씩 있는 경우에는 “이미지 문자 인식(OCR)”을 쓰세요.

1. 01인식 언어 선택 후 업로드기본값 “중국어 간체 + 영어(권장)”을 그대로 두고 PDF를 끌어다 놓으면 페이지 수가 표시됩니다. 20페이지를 넘으면 “쪽마다 인식하느라 오래 걸립니다”라고 알려 줍니다.
2. 02인식 시작진행 막대가 “x/n페이지 · 문자 인식”으로 차오르고 인식 텍스트 영역에 페이지별 결과가 실시간으로 쌓입니다. “인식 취소”를 눌러도 이미 인식한 페이지는 남습니다.
3. 03텍스트 교정“인식 텍스트”가 페이지 단위로 나뉘어 표시되고 바로 편집할 수 있습니다. 여기서 고친 내용은 TXT 다운로드에만 반영되고 검색 가능 PDF, DOCX에는 반영되지 않습니다.
4. 04내보내기“검색 가능 PDF 다운로드”, “TXT 다운로드”, “DOCX 다운로드”로 각각 <original-name>_검색가능.pdf, <original-name>_OCR.txt, <original-name>_OCR.docx를 받습니다. 검색 가능 PDF를 처음 만들 때는 내장 중국어 폰트 Noto Sans SC(약 10 MB)를 불러오며, 최초 한 번만 내려받고 이후에는 캐시됩니다.

입력

PDF 하나. 암호가 걸린 파일은 “PDF를 열지 못했습니다. 파일이 손상되었거나 암호화되어 있을 수 있습니다”라고 알리며, “PDF 잠금 해제”로 비밀번호를 먼저 푸세요

소요 시간

페이지마다 300 dpi(긴 변 4,500픽셀 이내)로 렌더링한 뒤 인식하므로 수십 쪽이면 몇 분이 걸릴 수 있습니다. 한 번에 50페이지를 넘기지 않는 편이 좋고, 쪽이 많으면 “PDF 분할”로 먼저 나누세요

문자층

신뢰도 20% 이상인 단어만 삽입하고 너무 작거나 노이즈로 판단한 단어는 건너뜁니다. 인코딩할 수 없는 드문 기호는 “건너뜀”으로 집계해 완료 안내에 표시합니다. 선택 영역은 원문에 대략 맞춰지며 픽셀 단위로 정확하지는 않습니다

충실도

DOCX에는 인식된 자연스러운 문단만 담깁니다(글자 크기 통일, 쪽 사이 페이지 나누기). 이미지, 표, 레이아웃은 복원하지 않습니다. 검색 가능 PDF의 페이지 화면은 JPEG로 다시 렌더링한 것입니다

하지 않는 것

기울기와 그림자 교정(사진으로 찍은 문서는 “스캔 보정” 먼저), 번역, 표 구조화는 하지 않습니다. 문자층이 있는 PDF에는 “PDF를 Word로”나 “PDF 텍스트 추출”을 쓰세요

PDF 렌더링과 문자 인식은 전부 브라우저 로컬에서 실행되고 페이지 내용은 전송되지 않습니다. 인식 엔진과 중국어 간체·영어 언어팩은 이 사이트가 직접 호스팅해 첫 사용 때 내려받고, 중국어 번체·일본어 언어팩은 tesseract.js 기본 공용 CDN에서 옵니다. 검색 가능 PDF를 만들 때는 Noto Sans SC 폰트(약 10 MB)를 처음 한 번 내려받아 캐시합니다. 위 요청은 엔진, 언어팩, 폰트 파일만 가져오며 문서 내용은 포함하지 않습니다.