PDF를 TXT로 바꾸면 좋은 경우
- 내용 재사용 — 복사·붙여넣기 때 생기는 줄바꿈 깨짐 없이 문서, 이메일, 메모에 옮길 수 있습니다.
- 검색과 분석 — 순수 텍스트는 어떤 검색 도구, 스프레드시트, 프로그램과도 잘 맞습니다.
- 접근성 — 텍스트 파일은 화면 낭독기와 음성 읽기 앱에서 잘 작동합니다.
- 작고 어디서나 열림 — TXT는 어디서나 열리고 용량도 거의 차지하지 않습니다.
추출 방식
Firefox에 내장된 PDF 엔진인 PDF.js로 각 페이지의 텍스트 레이어를 읽습니다. 글자 조각을 줄 단위로 잇고, PDF가 줄 끝으로 표시한 곳이나 글자의 기준선이 바뀌는 곳에서 줄을 나누며, 불필요한 공백을 정리합니다.
PDF 파일이란?
PDF(Portable Document Format)는 어도비가 만들었고 지금은 국제 표준(ISO 32000)이 된 문서 형식입니다. 글꼴, 이미지, 위치까지 모든 페이지의 배치를 고정해 두기 때문에 어떤 화면과 프린터에서도 똑같이 보입니다. 그래서 계약서, 영수증, 설명서, 논문, 서식의 표준으로 쓰입니다.
PDF는 각 페이지를 그리기 명령으로 저장합니다. 프로그램으로 작성한 글자는 실제 문자(텍스트 레이어)로 저장되어 선택하거나 추출할 수 있습니다. 반면 스캔한 문서는 보통 페이지 사진만 들어 있어서 OCR(문자 인식) 없이는 글자를 추출할 수 없습니다.
TXT 파일이란?
TXT 파일은 글꼴, 레이아웃, 이미지, 숨겨진 태그 없이 글자만 담은 파일입니다. 그래서 가장 호환성이 좋은 문서 형식입니다. 어떤 기기와 텍스트 편집기에서도 열리고, 검색하거나 프로그램으로 처리하기 쉬우며, 용량도 매우 작습니다.
대신 굵은 글씨, 표, 그림 같은 서식은 저장할 수 없습니다. TXT 파일이 가진 구조는 줄바꿈과 빈 줄뿐입니다.