PDF 워드 변환 방법: 4가지 방법과 OCR

Adobe는 1993년, 어느 컴퓨터에서 인쇄해도 문서가 똑같이 나오도록 PDF를 설계했고, 이 포맷은 2008년 국제 표준 ISO 32000-1이 되었습니다. 그 약속을 지키기 위해 PDF 페이지는 그리기 명령의 목록으로 이루어집니다. 이 글꼴의 이 글자들을 이 좌표에 놓고, 여기에 선을 긋고, 저기에 이미지를 넣으라는 식입니다. 두 줄로 넘어간 문장도 PDF 안에서는 우연히 위아래로 놓인 서로 무관한 텍스트 조각 두 개일 뿐입니다. 둘이 한 문장이라는 정보는 파일 어디에도 없습니다.

워드 문서는 정반대로 동작합니다. Office Open XML 표준(ECMA-376, 이후 ISO/IEC 29500)으로 정의된 DOCX 파일은 문단, 스타일, 표, 구역 나누기, 머리글을 저장하고, 줄이 어디서 바뀔지는 Word가 페이지를 배치할 때마다 새로 정합니다. 단어 하나를 넣으면 문단 전체가 다시 흐릅니다. 여백, 글꼴, 용지 크기를 바꾸면 모든 줄이 움직입니다. 편집할 때는 바로 이 동작이 필요하지만, PDF는 저장되는 순간 완성된 문서이므로 이런 정보를 전혀 기록하지 않습니다.

그래서 PDF를 워드로 변환하는 일은 압축을 푸는 것이 아니라 재구성하는 작업입니다. 변환기는 어떤 줄들이 한 문단인지, 굵은 한 줄이 짧은 굵은 문장인지 제목인지, 가지런히 놓인 단어들이 표인지, 두 단을 어떤 순서로 읽어야 하는지 추측해야 합니다. 좋은 변환기는 깔끔한 문서에서는 잘 맞히고 복잡한 문서에서는 자주 틀립니다. PDF가 태그(접근성을 위한 구조 정보)를 포함해 내보내졌다면 추측이 훨씬 정확해집니다. 태그에 제목, 목록, 읽는 순서가 명시적으로 기록되어 있기 때문입니다.

똑같이 .pdf로 끝나지만 전혀 다른 두 종류의 파일이 있습니다. 텍스트 PDF는 Word, Google Docs, 회계 프로그램, 브라우저의 인쇄 창에서 내보낸 파일로, 선택하고 복사하고 검색할 수 있는 실제 글자를 담고 있습니다. 스캔 PDF는 스캐너, 복사기, 휴대폰 앱으로 만든 파일로, 각 페이지가 종이를 찍은 사진입니다. 화면에서 글자가 아무리 선명해 보여도 변환기 입장에서 스캔 페이지에는 단어가 하나도 없고 픽셀만 있습니다. 파일 이름이나 아이콘으로는 구별할 수 없고, 파일 탐색기에서는 두 종류가 똑같아 보입니다.

스캔 페이지에서 편집 가능한 결과를 얻으려면 먼저 광학 문자 인식(OCR)을 거쳐야 합니다. OCR은 글자 모양을 보고 텍스트로 바꾸며, 정확도는 해상도, 대비, 기울기, 언어에 따라 달라집니다. 300 dpi로 깨끗하게 스캔한 흰 바탕 검은 글씨는 거의 완벽하게 읽히지만, 책상 스탠드 아래에서 비스듬히 찍은 휴대폰 사진은 문단마다 오타가 생깁니다. OCR이 없는 변환기는 빈 문서를 주거나, 각 페이지를 그림 한 장으로 붙여 넣은 워드 파일을 줍니다.

실제 파일 중에는 섞인 경우가 많습니다. 텍스트로 내보낸 계약서 끝에 서명한 페이지를 스캔해 붙였거나, 보고서 부록에 스캔한 영수증이 들어 있는 경우입니다. 이런 파일은 페이지마다 따로 확인하는 변환기가 가장 잘 처리합니다. 텍스트 페이지는 그대로 읽고 OCR은 필요한 페이지에만 쓰기 때문에, 내보낸 페이지는 글자 하나 틀리지 않고 유지됩니다. 직접 스캔한다면 문서를 PDF로 스캔하는 방법에서 OCR이 가장 잘 읽을 수 있는 해상도와 조명을 확인하세요.

Microsoft Word는 Word 2013부터 PDF Reflow라는 기능으로 PDF를 직접 열 수 있습니다. Word가 이미 설치되어 있다면 가장 손쉬운 선택이고, 평범한 편지나 보고서는 잘 변환합니다. 한 번에 파일 하나만 변환할 수 있습니다. Google Docs도 Google Drive를 통해 비슷한 방법을 제공합니다. Google의 PDF를 텍스트로 변환하는 방법 도움말은 2 MB 이하 파일을 권장하며, 목록, 표, 단, 각주, 미주는 인식되지 않을 가능성이 높다고 안내합니다. 실제로 써 보면 그대로입니다. 글자는 넘어오지만 구조는 사라지는 경우가 많습니다.

Adobe Acrobat Standard와 Pro는 PDF 내보내기 도구로 워드 변환을 하며, 스캔 페이지에는 자동으로 텍스트 인식을 적용합니다. Acrobat은 유료 구독이고, 무료 Acrobat Reader에는 내보내기 기능이 없습니다. 브라우저 변환기는 그 중간에 있습니다. 설치할 것이 없고 어떤 운영체제에서도 동작하며, 보통 흐르는 텍스트와 원본 레이아웃 중에서 고를 수 있습니다. PDF 워드 변환 페이지에서 텍스트 인식 (OCR)을 자동으로 두면 텍스트 레이어가 없는 페이지만 읽고, 문서 언어는 영어가 아닌 스캔본의 OCR 문자 체계를 지정합니다.

Word의 PDF Reflow는 평범한 열기 창 안에 숨어 있어서 많은 사람이 그 존재를 모릅니다. Windows용 Word 2013, 2016, 2019, 2021과 Microsoft 365에서 동작합니다. Word는 PDF를 편집 가능한 문서로 변환하며, 시간이 걸릴 수 있고, 특히 그래픽이 많은 파일은 결과가 원본과 똑같아 보이지 않을 수 있다는 안내를 띄웁니다. 확인을 누르면 변환된 사본이 저장되지 않은 새 문서로 열리고, PDF 자체는 전혀 바뀌지 않습니다.

Microsoft 공식 문서에는 변환되지 않을 수 있는 요소로 여러 페이지에 걸친 각주, 미주, PDF 책갈피와 주석, 네온이나 그림자 같은 글꼴 효과가 나와 있습니다. 실제로는 사이드바, 인용 박스, 여러 단으로 된 잡지 페이지도 떠 있는 텍스트 상자로 바뀌는 경우가 많은데, 겉보기에는 맞지만 편집하기가 번거롭습니다. 또 Word에는 스캔본의 언어를 지정하는 설정이 없어서, 스캔 페이지의 악센트 문자나 라틴 문자가 아닌 텍스트는 제대로 읽힐지 장담할 수 없습니다. 그래도 한 장짜리 편지나 평범한 보고서라면 가장 빠른 방법인 경우가 많고, 결과물이 앞으로 쓸 편집기에 바로 열린다는 장점이 있습니다.

제목이 제대로 지정된 한 단짜리 본문은 어떤 도구로도 잘 변환됩니다. 편지, 에세이, 계약서, 대부분의 보고서가 여기에 해당합니다. 굵게, 기울임, 글머리 기호 목록, 테두리가 보이는 간단한 표도 대개 살아남습니다. 이미지는 변환기가 유지하기만 하면 그대로 넘어오는데, 브라우저 방식에서는 이미지 유지 옵션이 이 역할을 하며 DOCX에서는 기본으로 켜져 있습니다. 하이퍼링크는 PDF에서 실제 링크였다면 대체로 유지되고, 링크가 아니었던 파란 밑줄 텍스트는 일반 텍스트로 남습니다. 원본 레이아웃이 깔끔하고 평범할수록 변환을 거쳤다는 사실조차 느끼기 어렵습니다.

문제는 페이지 레이아웃 자체가 의미를 담고 있을 때 시작됩니다. 두 단으로 된 텍스트는 위에서 아래가 아니라 가로로 읽혀 섞일 수 있습니다. 괘선이 없는 표는 인식하기 어려워 탭으로 구분된 줄로 넘어오기도 합니다. 머리글, 바닥글, 페이지 번호는 페이지마다 일반 텍스트로 그려져 있어서, 본문 한가운데에 페이지마다 한 번씩 끼어드는 경우가 많습니다. 입력 가능한 양식 필드는 일반 텍스트로 굳어지거나 사라집니다. 내 컴퓨터에 없는 포함 글꼴은 가장 비슷한 글꼴로 바뀌어 줄 길이가 달라집니다. 대부분이 표인 문서라면 스프레드시트로 변환하는 편이 낫습니다. 이미지와 PDF에서 표 추출하기를 참고하세요.

편집을 시작하기 전에 2분만 들여 변환 결과를 점검하세요. 구조적인 문제는 텍스트를 절반쯤 고친 뒤보다 처음에 바로잡는 편이 훨씬 쉽습니다. PDF와 워드 파일을 나란히 띄우고 둘 다 끝까지 넘겨 봅니다. 페이지 경계에서 빠진 문단, 본문에 반복해서 들어간 머리글, 흩어진 줄로 바뀐 표를 찾으세요. 편집 기호를 켰을 때 줄마다 단락 기호가 붙어 있다면 문단이 아니라 줄 단위 레이아웃으로 변환된 것입니다. 줄을 손으로 이어 붙이기보다 흐르는 텍스트로 다시 변환하는 편이 대개 더 빠릅니다.

스캔 페이지라면 맞춤법 검사를 돌리고, 맞춤법 검사기가 무시하는 숫자를 특히 주의해서 보세요. OCR은 숫자 0과 영문자 O, 1과 l, 5와 S를 자주 혼동하는데, 청구서나 계약서에서는 숫자 하나가 틀리는 것이 오타 열 개보다 더 큰 문제입니다. 문단 전체가 엉망으로 나왔다면 손으로 고치기 전에 문서 언어를 확인하고 다시 변환하세요. 레이아웃을 도저히 살릴 수 없다면 깨끗한 텍스트만 복사해 내 서식 파일로 만든 새 문서에 붙여 넣으세요. 텍스트 상자를 하나하나 푸는 것보다 빠른 경우가 많습니다.

모든 변환기는 어딘가에 이미 편집 가능한 형태로 존재했던 문서를 거꾸로 추적해 만들어 냅니다. PDF를 동료나 고객에게서, 혹은 과거의 나에게서 받았다면 원본 DOCX, Google 문서, InDesign 파일이 어떤 변환 결과보다 거의 항상 낫습니다. 스타일이 그대로 있고, 표는 진짜 표이며, 변경 내용 추적과 메모도 보존됩니다. 원본을 달라는 짧은 이메일 한 통이 한 시간의 정리 작업을 덜어 줄 수 있고, 대부분은 흔쾌히 보내 줍니다. 더 미묘한 문제도 피할 수 있습니다. 변환된 파일은 완성본처럼 보이기 때문에, 변환 중에 생긴 작은 오류가 눈에 띄지 않은 채 다음 버전으로 넘어갈 수 있습니다.

많이 고쳐 쓸 긴 문서, 다시 쓸 서식 파일, 복잡한 표나 양식이 있는 문서, 숫자 하나 잘못 읽는 것이 위험한 법률·금융 문서라면 먼저 원본을 요청하는 것이 맞습니다. 원본이 사라졌을 때, 처음부터 디지털 원본이 없던 종이 문서를 스캔한 PDF일 때, 몇 문단만 옮겨 오면 될 때는 변환이 맞습니다. 이런 경우 PDF 변환 도구는 일반 텍스트로도 내보낼 수 있는데, 인용할 때는 서식이 다 들어간 워드 파일보다 이쪽이 더 깔끔합니다.

서명되거나 인증된 PDF는 특별한 경우입니다. 워드로 변환하면 서명과 그 효력이 사라지므로, 워드 파일은 작업용 사본으로만 다뤄야 합니다. 수정본을 다시 보내야 한다면 워드 사본에서 고친 뒤 PDF로 다시 내보내고 서명을 새로 받으세요. 변환한 파일을 서명된 원본인 것처럼 내놓아서는 안 됩니다. 인증서나 공식 직인이 들어간 PDF도 마찬가지입니다. 겉으로 보이는 표시는 남을 수 있지만 그 디지털 증명은 남지 않습니다.