이렇게 사용하세요
- 스캔한 PDF 1개 또는 문서를 찍은 사진 여러 장을 골라요.
- 문서에 쓰인 언어를 골라요. 한글과 영어가 섞여 있으면 한국어+영어가 가장 좋아요. PDF라면 읽을 쪽만 적을 수도 있어요.
- 글자 추출을 누르면 페이지마다 진행률이 보여요. 끝나면 결과를 고치거나 전체 복사, txt 저장을 해요.
동작 원리
모든 처리는 지금 보고 있는 브라우저 안에서 끝나요. 파일은 PIKOO 서버를 포함해 어디에도 업로드되지 않고, 탭을 닫으면 메모리에서 사라져요. 처음 사용할 때만 PDF 처리 프로그램(오픈소스 라이브러리)을 공개 CDN에서 내려받아요. 오픈소스 OCR 엔진 Tesseract를 브라우저용으로 만든 tesseract.js를 사용해요. PDF는 페이지를 고해상도 이미지로 그린 뒤 글자 모양을 분석하고, 처음 한 번은 한국어·영어 인식 데이터(수 MB)를 내려받아 브라우저에 저장해 두기 때문에 다음부터는 더 빨리 시작해요.
자주 묻는 질문
인식 결과가 엉망이에요.
OCR은 이미지 품질에 크게 좌우돼요. 300dpi 이상으로 반듯하게 스캔하고, 사진이라면 그림자 없이 정면에서 밝게 찍어 주세요. 표·세로쓰기·손글씨는 정확도가 크게 떨어져요.
한 페이지에 시간이 얼마나 걸리나요?
기기 성능에 따라 다르지만 A4 한 쪽에 보통 5~20초 정도 걸려요. 페이지가 많다면 필요한 쪽만 적어서 읽는 편이 빨라요.
글자를 드래그할 수 있는 PDF도 OCR이 필요한가요?
아니요. 이미 글자 정보가 있는 PDF는 뷰어에서 바로 복사하는 편이 정확해요. OCR은 스캔본처럼 글자가 그림으로만 들어 있는 문서에 필요해요.