PDF의 단어 수를 세는 방법
- PDF 추가. ‘PDF 선택’을 탭하거나 파일을 페이지에 끌어다 놓으세요. 비밀번호로 보호된 파일은 먼저 비밀번호를 묻습니다.
- 페이지별 처리 기다리기. 도구가 각 페이지의 텍스트 레이어와 그리기 명령을 차례로 읽습니다. 진행 표시줄에 현재 페이지가 표시되며, 300쪽짜리 보고서도 몇 초면 끝납니다.
- 합계와 판정 확인. 다섯 개의 타일에 페이지, 단어, 글자, 공백 제외 글자, 이미지 수가 표시됩니다. 그 아래 판정에서 파일에 텍스트 레이어가 있는지, 스캔본처럼 보이는지, 대부분 이미지인지 알 수 있습니다.
- 개별 페이지 확인. 페이지별 표에는 모든 페이지의 같은 수치가 나오며, 텍스트가 없는 페이지는 회색으로 표시됩니다. 30쪽이 넘는 파일은 표가 접힌 상태로 시작합니다.
무엇을 하는 도구인가요
- 전체 합계와 페이지별 표: 단어, 글자, 공백 제외 글자, 이미지
- 유니코드 기반 단어 세기 — 영어뿐 아니라 악센트 문자, 키릴 문자, 그리스 문자, 한중일 문자, 태국어 텍스트에도 작동
- PDF에 텍스트 레이어가 있는지, 스캔본처럼 보이는지 알려 주고 필요하면 OCR 도구로 연결
- 페이지별 임베디드·인라인 이미지 수를 세어 어느 페이지가 그림인지 확인 가능
- 비밀번호를 알고 있다면 비밀번호로 보호된 PDF도 열기
- 전부 내 기기에서 실행 — 네트워크 요청은 오픈 소스 PDF.js 라이브러리를 가져오는 것뿐
각 수치는 무엇을 뜻하나요?
PDF는 워드 프로세서 파일이 아닙니다. PDF에는 그리기 명령 — 이 글리프는 여기에, 저 이미지는 저기에 — 이 저장되어 있고, 디지털 문서에서 만들어진 경우에는 그 글리프가 어떤 문자인지 뷰어에게 알려 주는 텍스트 레이어가 들어 있습니다. 이 도구는 PDF.js로 그 텍스트 레이어를 읽고, 텍스트 항목의 위치를 바탕으로 줄을 재구성한 뒤 찾은 내용을 셉니다. 또한 각 페이지의 명령 목록을 훑어 이미지 그리기 작업을 세며, 이렇게 해서 타이핑한 페이지와 스캔한 페이지를 구분합니다.
| 수치 | 측정 대상 | 포함되지 않는 것 |
|---|---|---|
| 페이지 | 뷰어가 보여 주는 대로의 페이지 트리 안 페이지 | 사용되지 않는 객체로 남아 있는 숨겨진 페이지나 삭제된 페이지 |
| 단어 | 브라우저의 유니코드 분할기로 찾은 텍스트 레이어의 단어 단위 조각. 숫자는 세고 문장 부호는 세지 않음 | 이미지 안의 텍스트, 양식 필드 값, 주석, 책갈피 |
| 글자 | 재구성된 텍스트의 유니코드 코드 포인트. 공백과 줄 바꿈 포함 | 뷰어에 표시되지 않는 보이지 않는 글리프나 폭이 0인 글리프 |
| 공백 제외 글자 | 위와 같되 모든 공백 문자를 뺀 값. 번역·조판 견적에서 흔히 쓰는 기준 | — |
| 이미지 | 이미지 그리기 작업: 임베디드 이미지, 인라인 이미지, 이미지 마스크 | 벡터 드로잉, 음영 패턴, 윤곽선으로 그린 텍스트 |
한 페이지는 몇 단어인가요?
정해진 답은 없습니다. 글꼴 크기, 여백, 줄 간격에 따라 달라지기 때문입니다. 다만 아래 범위는 Letter 또는 A4 한 페이지에 대한 일반적인 경험치이며, 결과가 합리적인지 가늠하는 데 도움이 됩니다. 중요한 것은 스캔 행입니다. 스캔한 페이지에는 텍스트 레이어가 없으므로 아무리 많은 글이 인쇄되어 있어도 단어는 0개로 셉니다.
| 페이지 종류 | 일반적인 단어 수 | 일반적인 글자 수 | 이미지 | 도구의 판정 |
|---|---|---|---|---|
| 비즈니스 서신, 11~12pt, 1줄 간격 | 약 300~500 | 약 2,000~3,000 | 0~1(로고) | 텍스트 레이어 있음 |
| 2줄 간격 원고나 에세이 페이지 | 약 250~300 | 약 1,500~2,000 | 0 | 텍스트 레이어 있음 |
| 빽빽한 계약서 페이지, 9~10pt, 좁은 여백 | 약 600~900 | 약 4,000~6,000 | 0 | 텍스트 레이어 있음 |
| 슬라이드 자료 페이지 | 약 20~80 | 약 150~600 | 1~5 | 텍스트 레이어 있음(또는 대부분 이미지) |
| OCR 없는 스캔 페이지 | 0 | 0 | 1(스캐너가 조각으로 나누면 더 많을 수 있음) | 스캔본으로 보임 — OCR 도구 사용 |
| OCR 레이어가 있는 스캔 페이지 | 인쇄된 텍스트와 같되 인식 오류만큼 차이 | 인쇄된 대로 | 1 | 텍스트 레이어 있음 |
언제 유용한가요?
- 번역과 교정 견적은 단어당 또는 공백 제외 1,000자당으로 매겨지므로, 가격을 묻기 전에 수치가 필요합니다.
- 제출 제한 — 연구비 신청서, 법원 제출 서류, 학술 논문 — 은 단어 수나 페이지 수로 정해지는 경우가 많습니다.
- OCR 전에: 여러 PDF가 이미 검색 가능한지, 어느 페이지가 아닌지 빠르게 확인할 수 있습니다.
- 이메일 전송 전에: 페이지마다 이미지가 수백 개인 파일은 스캔본이라 용량이 큽니다. PDF 압축 도구를 참고하세요.
수치가 아니라 단어 자체가 필요하다면 PDF 텍스트 추출 도구가 같은 줄 재구성 방식으로 .txt 파일에 텍스트를 추출해 드립니다.
한계는 무엇인가요?
- 텍스트 레이어만 셉니다. OCR 없는 스캔본은 0으로 세고, OCR 레이어가 부정확한 스캔본은 OCR의 오류까지 셉니다.
- 줄 재구성은 기하학적 방식입니다. 다단 레이아웃은 단이 깔끔하게 나뉘어 있으면 단별로 읽지만, 표나 이미지를 둘러싼 텍스트는 뒤섞일 수 있습니다. 단어 수에는 큰 영향이 없지만 경계에서 단어가 나뉘거나 합쳐질 수 있습니다.
- 양식 필드, 주석, 메모, 책갈피는 페이지 텍스트가 아니므로 세지 않습니다.
- 비밀번호로 보호된 파일은 비밀번호가 필요합니다. PDF.js가 분석할 수 없는 파일은 메시지와 함께 실패합니다.
- 매우 큰 파일은 페이지 단위로 처리하고 다음 페이지로 넘어가기 전에 해당 페이지의 자원을 해제하지만, 1,000쪽짜리 스캔본은 휴대폰에서 여전히 시간이 꽤 걸립니다.