스캔한 PDF는 왜 검색이 안 될까? Windows에서 텍스트 PDF와 이미지 PDF 구분하기
계약서가 그 폴더에 있다는 건 압니다. 거래처 이름으로 검색했는데 아무것도 안 나옵니다 — 파일을 열면 첫 페이지에 그 이름이 분명히 보이는데도. 문제는 대개 검색 도구가 아닙니다. 그 PDF 안에 텍스트가 아예 없는 것입니다.
똑같아 보이는 두 종류의 PDF
화면에서 PDF 페이지는 다 같은 PDF 페이지입니다. 하지만 그 아래에는 전혀 다른 두 종류가 있습니다:
- 텍스트 PDF는 소프트웨어가 만듭니다 — Word의 "PDF로 저장", "PDF로 인쇄", 시스템이 발행하는 대부분의 청구서와 명세서. 단어가 텍스트로 저장돼 있어 모든 검색 도구가 읽을 수 있습니다.
- 이미지 PDF는 스캐너, 휴대폰 스캔 앱, 팩스-PDF 서비스에서 나옵니다. 각 페이지가 종이를 찍은 사진입니다. 파일 안에 단어는 없고, 단어처럼 보이는 픽셀만 있습니다.
검색 도구 — Windows 검색, Adobe Acrobat 검색, LocalSynapse 모두 — 는 파일에 저장된 텍스트를 읽습니다. 이미지 PDF는 읽을 것을 주지 않습니다. 그래서 같은 폴더가 반만 검색되기도 합니다: 생성된 PDF는 나오고, 스캔한 PDF는 안 나옵니다.
10초 테스트
- 아무 뷰어 — Edge, Acrobat Reader 등 — 로 PDF를 엽니다.
- 마우스로 단어 하나를 선택해 봅니다. 단어가 강조되지 않고 페이지 전체에 상자가 그려진다면 이미지입니다.
- 또는
Ctrl+F를 눌러 분명히 보이는 단어를 검색합니다. 일치하는 것이 없으면 텍스트 레이어가 없는 것입니다.
섞여 있는 파일도 있습니다: 생성된 표지 뒤에 스캔한 서명 페이지가 붙은 경우. 첫 페이지만이 아니라 중간 페이지도 확인하세요.
해결책: OCR
OCR(광학 문자 인식)은 페이지 이미지를 보고 글자를 인식해 그 뒤에 보이지 않는 텍스트 레이어를 씁니다. 페이지 모양은 그대로지만 이제 단어를 선택하고 복사하고 검색할 수 있습니다. Windows에서의 선택지:
- Adobe Acrobat 같은 PDF 편집기에는 스캔 문서용 OCR 기능이 있습니다. 사용 중인 버전의 기능 목록을 확인하세요.
- OCRmyPDF는 스캔한 PDF에 텍스트 레이어를 추가하는 명령줄 도구입니다. 폴더 전체를 처리하기에 좋으며, Windows 설치는 해당 문서를 따르세요.
- 스캐너 자체 소프트웨어에 "검색 가능한 PDF" 옵션이 있는 경우가 많습니다. 정기적으로 스캔한다면 이 옵션을 켜서 앞으로의 모든 문서에서 문제를 원천적으로 없앨 수 있습니다.
실용적인 메모 두 가지. OCR 품질은 스캔 상태에 달려 있습니다 — 기울어졌거나 해상도가 낮거나 손글씨인 페이지는 오류가 섞여 나오므로, 긴 문구보다 특징적인 단어로 검색하세요. 그리고 OCR한 버전이 제대로 열리는지 확인할 때까지 원본은 보관하세요.
다른 문제: 텍스트가 깨진 PDF
가끔 반대의 경우도 만납니다: PDF에 텍스트가 있는데, 문장을 복사해 붙여 넣으면 알 수 없는 문자가 나옵니다. 글꼴이 올바른 모양을 그려 주니 페이지는 제대로 보이지만, 파일에 그 글꼴 코드를 실제 글자로 되돌리는 정보가 빠져 있는 것입니다.
그 텍스트를 색인하는 검색 도구는 결국 쓰레기를 색인합니다 — 파일이 엉뚱한 문자열 검색에는 나오고, 눈에 보이는 단어로는 절대 나오지 않습니다. LocalSynapse는 흔한 유형의 깨짐을 감지합니다: PDF의 모든 페이지가 깨져 나오면 엉터리 텍스트를 색인에 넣는 대신 읽을 수 없는 파일로 표시합니다. 이런 파일도 OCR을 돌리면 대개 쓸 만한 텍스트 레이어가 생깁니다. OCR은 페이지를 이미지로 읽어 깨진 글꼴 정보를 무시하기 때문입니다.
LocalSynapse에서는 어떻게 되나
이 글이 답하려는 질문이니 분명히 적습니다:
- LocalSynapse는 OCR을 수행하지 않습니다. PDF에 이미 있는 텍스트 레이어를 읽습니다. 이미지 전용 PDF도 파일 이름으로는 찾을 수 있지만, 내용으로는 찾을 수 없습니다.
- OCR을 거친 파일은 다른 PDF처럼 검색됩니다 — 키워드나 의미로, Word·Excel·PowerPoint 파일과 함께. 스캔 파일을 OCR한 파일로 바꾸면 LocalSynapse가 Windows 파일 변경 알림으로 변경을 감지해 다시 색인합니다.
- 열 때 비밀번호가 필요한 암호화 PDF는 읽을 수 없으므로 내용도 색인되지 않습니다.
파일과 문서 내용은 PC 밖으로 나가지 않습니다. LocalSynapse는 익명 제품 사용 횟수와 기술 상태 지표만 전송하며, 앱에서 끌 수 있습니다.
10초 테스트를 해 보니 "검색 안 되는" PDF 대부분이 텍스트 PDF였다면 원인은 다른 곳에 있습니다 — Windows에서 PDF 파일 내용 검색하는 방법과 Windows 검색이 파일을 못 찾는 이유에 흔한 원인을 정리해 두었습니다.