PDF 텍스트 추출 — PDF를 텍스트로, 업로드 없음

PDF에서 텍스트 추출 (복사하거나 .txt로 다운로드)

업데이트: 2026년 10월 15일

아래에 PDF를 추가하면 페이지에 놓인 그대로 텍스트가 한 줄씩 상자에 나타납니다. 복사하거나 .txt 파일로 다운로드하세요. 옵션으로 페이지마다 머리글을 넣고, 줄 끝에서 하이픈으로 끊긴 단어를 이어 붙일 수 있습니다. 텍스트는 브라우저 메모리 안에서 PDF.js가 읽으며, 파일은 절대 업로드되지 않습니다.

브라우저 안에서 완전히 동작합니다 — 파일이 어디로도 업로드되지 않습니다.

PDF에서 텍스트를 추출하는 방법

PDF 추가. ‘PDF 선택’을 탭하거나 파일을 페이지에 끌어다 놓으세요. 비밀번호로 보호된 파일이면 비밀번호를 입력하고 ‘열기’를 탭하세요.
페이지 읽기. 각 페이지의 텍스트 조각을 읽어 위치를 기준으로 줄을 다시 구성합니다. 진행 표시줄에 현재 읽고 있는 페이지가 표시됩니다.
출력 조정. ‘페이지별 구분’을 켜면 모든 페이지 위에 머리글이 붙고, ‘하이픈 제거’를 켜면 줄 끝에서 끊긴 단어가 이어집니다. 상자는 바로 갱신됩니다.
복사 또는 다운로드. ‘텍스트 복사’를 탭해 클립보드에 넣거나, ‘.txt 다운로드’를 탭해 PDF와 같은 이름의 일반 텍스트 파일로 저장하세요.

무엇을 하는 도구인가요

PDF의 텍스트 레이어 전체를 추출하며, 줄바꿈과 문단 간격을 페이지에 보이는 그대로 유지
페이지별 구분: 각 페이지 텍스트 위에 ‘12페이지 중 3페이지’ 머리글 추가
하이픈 제거: 줄 끝에서 끊긴 단어를 이어 붙임 (docu- / ment → document)
한 번의 탭으로 클립보드에 복사하거나 UTF-8 .txt 파일로 다운로드
텍스트 레이어가 없는 PDF(스캔본)는 빈 파일을 내놓는 대신 알려 주고 OCR 도구로 안내
전부 내 기기에서 실행 — 네트워크 요청은 오픈 소스 PDF.js 라이브러리를 가져오는 것뿐

이 도구는 무엇을 추출하나요?

PDF 페이지는 그리기 명령의 목록입니다. 파일이 디지털 문서(Word 파일, 웹 페이지, 이메일)에서 만들어졌다면 그 명령에는 텍스트 레이어, 즉 글자 자체와 각 조각이 페이지의 어디에 놓이는지가 들어 있습니다. PDF.js는 그 레이어를 읽어 위치가 지정된 텍스트 조각(getTextContent API)으로 보고합니다. 이 도구는 그 조각들로 읽을 수 있는 줄을 다시 구성해 일반 텍스트로 돌려줍니다. PDF가 스캔본이면 텍스트 레이어가 없어 추출할 것이 없습니다. 그럴 때 도구는 빈 파일을 건네는 대신 그 사실을 알리고 OCR로 안내합니다.

줄은 어떻게 다시 구성되나요?

규칙	하는 일	이유
같은 기준선 → 같은 줄	세로 위치 차이가 글자 높이의 절반 미만인 텍스트 조각을 왼쪽에서 오른쪽으로 한 줄에 합칩니다	PDF 작성 프로그램은 한 줄을 여러 조각(단어마다, 글꼴이 바뀔 때마다, 커닝 쌍마다)으로 나눕니다
간격 → 공백	두 조각 사이의 가로 간격이 글자 높이의 4분의 1보다 넓으면 공백 하나를 넣습니다	많은 PDF는 공백 문자를 저장하지 않으며, 간격만이 유일한 단서입니다
큰 세로 간격 → 빈 줄	줄 사이 간격이 줄 높이의 1.6배를 넘으면 빈 줄을 넣습니다	문단과 제목이 눈에 띄게 구분됩니다
페이지별 구분 (옵션)	빈 페이지를 포함해 각 페이지 앞에 `===== Page n of N =====` 머리글을 넣습니다	원본에서 해당 구절을 찾을 수 있습니다
하이픈 제거 (옵션)	양쪽이 모두 소문자일 때 docu- + 줄바꿈 + ment를 document로 합치고, 줄 끝의 소프트 하이픈을 제거합니다	양쪽 정렬된 텍스트에는 단어의 일부가 아닌 줄 끝 하이픈이 가득합니다

일반 텍스트가 알맞은 경우는 언제인가요?

계약 조항, 편지, 인용문을 이메일, 메모, 검색창에 붙여 넣을 때.
문서를 번역 도구, 화면 낭독기, 텍스트 분석 스크립트에 넘길 때.
원본 옆에 검색 가능한 사본을 두거나, 스캐너의 OCR이 실제로 무엇을 인식했는지 확인할 때.
세고 인용할 때: PDF 단어 수 세기는 숫자를, 이 도구는 단어를 줍니다.

레이아웃이 필요하면 PDF 자체를 쓰거나 PDF JPG 변환으로 페이지를 이미지로 바꾸세요. 공유 전에 무언가를 지워야 한다면 PDF 가리기가 잉크만이 아니라 그 아래의 텍스트까지 삭제합니다.

한계는 무엇인가요?

텍스트 레이어만 다룹니다. OCR이 없는 스캔본은 아무것도 나오지 않고, OCR이 된 스캔본은 오류까지 포함한 OCR 결과가 나옵니다.
읽는 순서는 기하학적입니다. 위에서 아래로, 왼쪽에서 오른쪽으로. 여러 단으로 된 페이지와 표는 섞일 수 있습니다.
양식 필드 값, 댓글, 주석, 책갈피, 첨부 파일은 페이지 텍스트가 아니므로 추출되지 않습니다.
유니코드 매핑이 깨졌거나 없는 글꼴(일부 오래된 PDF 생성기, 일부 기호 글꼴)은 깨진 문자로 나옵니다. 이는 파일의 결함이며, PDF 뷰어의 복사 명령도 같은 결과를 보여 줍니다.
서식은 남지 않습니다. 굵은 글씨, 기울임, 색상, 링크, 이미지는 버려집니다.

자주 묻는 질문

내 PDF가 업로드되나요?

아니요. Firefox에 내장된 오픈 소스 렌더러인 PDF.js가 이 브라우저 탭 안에서 파일을 열고 각 페이지의 텍스트 조각을 읽어 냅니다. 네트워크 요청은 그 라이브러리를 가져오는 것뿐입니다. 텍스트 상자, 클립보드, .txt 다운로드 모두 내 기기 안에서 처리됩니다.

상자가 비어 있거나 PDF가 스캔본 같다고 나오는 이유는 무엇인가요?

스캔한 PDF는 각 페이지가 사진입니다. 추출할 텍스트 레이어가 없고 픽셀만 있습니다. 도구가 이를 감지하면(모든 페이지에 텍스트 없음) 이미지를 검색 가능한 PDF로 만드는 도구로 안내합니다. 그 도구는 브라우저에서 OCR을 실행해 텍스트 레이어를 추가하며, 그 결과를 여기서 다시 추출할 수 있습니다.

줄바꿈은 어떻게 정해지나요?

PDF 파일에는 줄이 저장되어 있지 않고, 위치가 지정된 텍스트 조각만 있습니다. 도구는 같은 기준선을 공유하는 조각을 한 줄로 묶고, 왼쪽에서 오른쪽으로 정렬하며, 눈에 보이는 간격이 있으면 공백을 넣고, 세로 간격이 약 1.5줄보다 크면 빈 줄을 넣습니다. 일반 문단은 잘 재현되지만, 표나 여러 단으로 된 텍스트는 서로 섞여 나올 수 있습니다.

‘하이픈 제거’는 정확히 무엇을 하나요?

한 줄이 하이픈으로 끝나고 다음 줄이 소문자 단어로 시작하면 두 조각을 이어 붙입니다. ‘docu-’ 다음에 ‘ment’가 오면 ‘document’가 됩니다. 양쪽이 모두 소문자일 때만 작동하므로 Jean-Paul 같은 이름, COVID-19 같은 코드, 문장 끝의 대시는 그대로 둡니다. 줄 끝의 소프트 하이픈은 항상 제거됩니다.

일부 페이지에서 순서가 뒤바뀌는 이유는 무엇인가요?

여러 단으로 된 페이지, 사이드바, 표, 이미지를 감싸는 텍스트는 2차원으로 배치되어 있는데, 도구는 기준선을 따라 위에서 아래로 읽습니다. 같은 높이에 있는 두 단은 하나의 긴 줄이 됩니다. 그런 페이지는 단을 인식하는 선택 기능이 있는 PDF 뷰어에서 텍스트를 복사하거나, 먼저 페이지를 분할하세요.

굵은 글씨, 기울임, 제목, 링크는 유지되나요?

아니요. 결과물은 일반 텍스트(.txt)입니다. 글꼴, 크기, 색상, 링크, 이미지는 없습니다. 제목은 자기 줄과 그 뒤의 빈 줄을 유지하므로 구조를 알아보기에는 보통 충분합니다.

비밀번호로 보호된 PDF와 큰 파일은 어떻게 되나요?

열 때 비밀번호가 필요한 파일은 비밀번호를 묻습니다. 비밀번호는 PDF.js에 전달되어 메모리 안에서 복호화합니다. 페이지는 한 번에 하나씩 읽고 다음 페이지로 넘어가기 전에 해제하므로 긴 문서도 처리되지만, 1,000쪽짜리 책은 휴대폰에서 시간이 꽤 걸리고 텍스트 상자 자체도 몇 메가바이트를 넘으면 무거워집니다. 그럴 때는 스크롤하는 대신 다운로드하세요.