PDF 글자 인식 (OCR)

아니요. 파일은 브라우저 안에서만 처리되고 어떤 서버로도 전송되지 않습니다. 처리에 필요한 프로그램과 글자 정보만 이 사이트에서 내려받을 뿐, 파일 내용은 밖으로 나가지 않습니다. 브라우저 개발자 도구의 네트워크 탭에서 직접 확인할 수 있습니다.

네. 광고는 도구 화면 바깥에서만 동작합니다. 파일을 고르고 처리하는 도구 화면은 브라우저가 따로 떼어 놓은 격리 공간이라, 광고를 포함한 페이지의 다른 스크립트는 파일 내용이나 파일 이름을 읽을 수 없습니다. 도구 화면 안에서는 외부로 아무것도 보낼 수 없도록 막혀 있습니다. 파일을 페이지로 끌어오면 도구 화면이 화면 전체로 넓어져 격리된 공간에서 파일을 받습니다.

스캔하거나 사진으로 만든 PDF는 쪽 전체가 그림이라 글자를 찾거나 복사할 수 없습니다. 글자 인식은 그림 속 글자를 읽어, 원래 쪽 위에 보이지 않는 글자를 겹쳐 넣습니다. 쪽 모습은 그대로이고, 글자 찾기·복사·소리 내어 읽기가 됩니다.

글자를 읽는 엔진과 언어 데이터가 필요합니다(한국어+영어 약 7MB). 이 사이트에서 받는 공개 파일이고, 처음 한 번 받으면 이 브라우저에 보관되어 다음부터 바로 씁니다. 다른 브라우저·기기, 시크릿 창에서는 다시 받아야 하고, 브라우저 데이터를 지우면 사라집니다. 보관본이 지워지면 몰래 다시 받지 않고 다시 여쭙니다.

또렷하게 스캔한 인쇄물은 대부분 정확히 읽습니다. 흐리거나 기울어진 스캔, 손글씨, 아주 작은 글자, 표·도장이 겹친 곳은 틀릴 수 있습니다. 중요한 내용은 결과를 확인하세요. 원래 쪽 모습은 바뀌지 않으므로 틀린 글자가 화면에 보이지는 않습니다.

쪽마다 그림을 크게 그려 글자를 하나하나 읽기 때문에 쪽당 몇 초씩 걸립니다. 기기의 CPU 수에 맞춰 여러 쪽을 함께 읽습니다. 휴대폰에서는 더 오래 걸리고 메모리가 모자라면 멈출 수 있으니, 쪽이 많으면 PC에서 하세요.

워드에서 만든 PDF처럼 이미 본문 글자를 고를 수 있는 쪽은 다시 읽지 않습니다. 스캔한 쪽에 쪽 번호나 워터마크 정도만 글자로 들어 있으면 다시 읽습니다. 스캔한 쪽과 섞인 PDF에서 시간을 아끼고, 글자가 두 겹으로 들어가는 것을 막습니다.

네. 받는 것은 인식 엔진과 언어 데이터뿐이고, PDF와 읽은 글자는 이 기기 안에서만 다룹니다. 인식 엔진은 Tesseract(Apache 2.0 허가서)를 씁니다.