이미지·PDF 표 엑셀 변환: 표 추출 방법

도구를 고르기 전에 지금 가진 표가 어떤 종류인지부터 확인하세요. 흔한 세 가지 원본은 각기 다른 방식으로 실패합니다. PDF를 열고 커서로 숫자 하나만 선택해 보세요. 그 숫자만 따로 강조된다면 텍스트 PDF입니다. 모든 글자가 정확한 위치에 텍스트로 저장되어 있으므로, 추출 작업은 대부분 그 글자들을 행과 열로 묶는 일입니다. 페이지 전체가 한 덩어리로 선택되거나 아무것도 선택되지 않는다면 표를 찍은 그림을 들고 있는 것이고, 누군가 먼저 픽셀을 읽어야 합니다.

세 번째 경우는 놓치기 쉽습니다. 오래된 회계 시스템, 터미널 프로그램, 이메일 본문에서 내보낸 보고서 중에는 표처럼 보이지만 실제로는 탭이나 연속된 공백으로 줄을 맞춘 일반 텍스트인 경우가 많습니다. 셀은 전혀 없고 고정폭 배치만 있을 뿐입니다. 이런 텍스트를 캡처해 OCR을 돌리면 이미 갖고 있던 정보를 버리는 셈입니다. 텍스트를 복사해 열로 나누는 편이 더 빠르고 정확합니다. 아래 카드에 원본별로 필요한 작업을 정리했습니다.

표 인식은 글자를 모두 파악한 뒤에 실행되는 두 번째 단계입니다. 먼저 셀을 찾습니다. 괘선이 있는 표에서는 가로선과 세로선을 따라가며 닫힌 칸을 각각 셀로 보고, 테두리 없는 표에서는 블록 전체 높이에 걸쳐 이어지는 세로 방향 빈 공간을 찾습니다. 그다음 열을 맞춥니다. 위 칸 숫자보다 몇 픽셀 오른쪽에 있는 숫자도 같은 열에 속한다고 판단하는 식입니다.

다음은 머리글 행입니다. 인식기는 굵게 표시되었거나, 음영이 있거나, 숫자 열 위에 단어로 이루어진 첫 행을 찾고, 두 줄로 넘어간 머리글은 한 셀로 합칩니다. 마지막은 병합된 셀입니다. 세 개의 월 열에 걸친 Q1 같은 라벨은 내부 선이 없다는 점으로 감지되어, 병합된 셀로 다시 만들어지거나 해당하는 각 열에 복사됩니다.

이 과정 어디에도 내용을 이해하는 단계는 없습니다. 소프트웨어는 어떤 열에 날짜가 들어 있는지, 어떤 행이 소계인지 모릅니다. 보이는 것은 기하학적 배치와 글자뿐입니다. 그래서 같은 도구가 어떤 명세서는 완벽하게 처리하고 다른 은행의 명세서는 뒤죽박죽으로 만들기도 합니다. 표 형태나 머리글 행 감지 같은 설정이 있는 이유도 여기에 있습니다. 인식기가 스스로는 확실히 추론할 수 없는 사실을 알려 주는 것입니다.

대부분의 실패는 두 부류로 나뉩니다. 기하 오류는 격자를 망가뜨려 값이 엉뚱한 행이나 열에 들어갑니다. 숫자 오류는 격자는 멀쩡한데 셀의 의미를 바꿔 놓습니다. 시트가 멀쩡해 보이기 때문에 이쪽이 더 나쁩니다. 열이 밀린 것은 한눈에 보이지만, 1.234가 천이 아니라 소수로 읽힌 것은 보이지 않습니다.

숫자 문제의 주된 원인은 지역 표기 방식입니다. 미국과 영국은 1,234.56으로 쓰고, 독일, 브라질, 대부분의 유럽 대륙 국가는 1.234,56으로 씁니다. 프랑스는 천 단위 구분 기호로 공백을 쓰고, 스위스는 1'234.56처럼 아포스트로피를 자주 쓰며, 인도는 1,23,456처럼 자릿수를 묶습니다. 회계 문서에는 괄호로 표시한 음수와 숫자에 붙은 통화 기호까지 더해집니다. 주의할 점과 각각의 해결 방법은 다음과 같습니다.

입력에 1분을 들이면 스프레드시트에서 몇 분을 아낄 수 있습니다. OCR 엔진은 보통 약 300 dpi로 스캔한 텍스트에 맞춰져 있는데, A4나 US Letter 페이지라면 대략 2480 × 3508 px 또는 2550 × 3300 px에 해당합니다. 페이지가 화면을 가득 채우게 찍으면 요즘 휴대폰 카메라로 충분히 넘기지만, 책상 건너편에서 페이지 전체를 찍은 뒤 작은 표만 잘라 내면 이보다 훨씬 낮아질 수 있습니다.

대비는 해상도만큼 중요합니다. 감열지 영수증은 색이 바래고, 회색 바탕 위의 회색 괘선은 사라지며, 페이지를 가로지르는 휴대폰 그림자는 열 하나를 반으로 가를 수 있습니다. 종이 문서에서 정기적으로 표를 추출해야 한다면 문서를 PDF로 스캔하는 방법에서 조명과 스캐너 설정을 더 자세히 확인하세요. 업로드하기 전에 다음 목록을 점검하세요.

Excel의 그림에서 데이터 가져오기 기능은 2019년 Android 앱에 처음 나왔고 이어 iPhone에도 들어왔으며, 지금은 Windows와 Mac용 Microsoft 365 Excel의 데이터 > 그림에서 메뉴에 있습니다. 표 하나를 촬영하거나 불러오면 의심스러운 값을 표시해 주는 옆 패널에서 인식된 셀을 검토한 뒤 삽입할 수 있습니다. Google은 덜 직접적인 방법을 제공합니다. Drive에서 이미지나 PDF를 마우스 오른쪽 버튼으로 클릭하고 연결 앱 > Google 문서를 선택하는 방식입니다. Google 도움말에 따르면 이 기능은 2 MB 이하 파일만 지원하고 PDF는 처음 10페이지만 읽으며, 결과가 문서이기 때문에 표가 텍스트 줄로 넘어와 Sheets에 붙여 넣고 나눠야 하는 경우가 많습니다.

Adobe Acrobat Pro는 PDF를 Microsoft Excel 통합 문서로 내보내며, 내보내는 동안 스캔 페이지에 OCR을 적용합니다. Windows용 Microsoft 365 Excel은 데이터 가져오기 > 파일에서 > PDF에서 메뉴로 텍스트 PDF의 표도 가져올 수 있습니다. 이 메뉴는 Power Query를 열어 감지된 모든 표를 페이지별로 보여 주고, 명세서의 월별 페이지를 한 표로 이어 붙일 수 있게 해 주며, 다음 달 파일로 바꾸면 새로 고쳐 줍니다. 다만 스캔본은 읽지 못하고, Mac용 Excel에는 이 커넥터가 없습니다.

나머지는 설치 없이 브라우저 변환기로 해결됩니다. 텍스트 PDF나 스캔 PDF라면 PDF 엑셀 변환이 감지된 표마다 시트를 하나씩 만들어 줍니다. 사진이나 스크린샷이라면 이미지를 엑셀로 변환하거나, 다른 프로그램에서 가져올 예정이라면 표를 CSV로 저장하세요. 다섯 가지 방법을 표로 비교했습니다.

제대로 보이는 변환 결과라고 해서 믿을 수 있는 표는 아닙니다. 먼저 행 수부터 확인하세요. 명세서에 거래가 47건이면 시트에도 데이터 행이 47개여야 합니다. 두 줄이 합쳐져 46개가 되거나, 줄바꿈된 설명이 별도 행이 되어 49개가 되어서는 안 됩니다. 그다음 숫자 열 하나를 SUM으로 더해 문서에 인쇄된 합계와 비교하세요. 문서에 합계가 없다면 몇 개 값을 손으로 더해 비교합니다.

다음으로 숫자인 척하는 셀을 찾으세요. Excel에서 실제 숫자는 기본적으로 오른쪽 정렬되고 텍스트는 왼쪽 정렬되므로, 금액 몇 개만 왼쪽에 붙은 열은 문제가 있다는 신호입니다. 보조 열에 ISNUMBER를 쓰면 한 번에 모두 찾을 수 있습니다. 날짜도 똑같이 의심해야 합니다. 텍스트로 읽힌 날짜는 문자 순서로 정렬되어 10/02가 2/03보다 앞에 오고, 03/04는 쓴 사람에 따라 4월 3일일 수도 3월 4일일 수도 있습니다.

마지막으로 바뀐 것보다 사라진 것을 확인하세요. 긴 계좌 번호와 카드 번호는 대표적인 함정입니다. Excel은 숫자를 유효 숫자 15자리까지만 저장하므로, 16자리 카드 번호를 숫자로 입력하거나 가져오면 마지막 자리가 0으로 바뀝니다.

사람이 Excel, Google Sheets, Numbers에서 데이터를 다룰 거라면 XLSX를 고르세요. 여러 표를 별도 시트에 담고, 실제 숫자·날짜 형식, 굵은 머리글 행, 병합된 셀을 유지합니다. 가계부 앱, 회계 프로그램, 데이터베이스, 스크립트처럼 소프트웨어가 가져갈 거라면 CSV를 고르세요. CSV는 파일 하나에 표 하나가 들어가는 일반 텍스트로, 2005년 RFC 4180에 정의되어 있습니다. 중요한 설정은 구분자, 인코딩, 숫자를 숫자로 저장할지 여부 세 가지입니다.

구분자는 가져오는 프로그램에 맞춰야 합니다. 소수점을 쉼표로 쓰는 나라의 Excel은 세미콜론을 기대합니다. 인코딩은 Müller나 São Paulo 같은 이름이 살아남을지를 결정합니다. Windows용 Excel이 더블클릭으로 열 때 제대로 읽는 것은 UTF-8 (BOM 포함)입니다. 앞자리 0은 대표적으로 사라지는 정보입니다. 02134 같은 미국 우편번호, 사원 번호, 제품 코드는 수량이 아니라 식별자인데, 숫자로 취급되는 순간 2134가 됩니다. ID가 가득한 표라면 숫자를 숫자 형식으로 저장을 끄거나, CSV를 가져올 때 해당 열을 텍스트로 지정하세요.

표 하나를 추출하는 것은 간단한 조회지만, 1년 치 청구서나 12개월 은행 명세서를 추출하는 것은 작은 데이터 프로젝트입니다. 가능하면 원본 문서를 같은 형식으로 맞추고 한 번에 변환해 모든 파일에 같은 설정이 적용되게 하세요. 텍스트 PDF는 한 번에 최대 20개, 개당 95 MB까지 업로드할 수 있으며, 명세서의 거래 내역 표가 여러 페이지에 이어진다면 시트 옵션에서 모두 한 시트에를 선택하세요. 사진은 표 이미지 한 장씩 변환되므로, 종이 청구서가 여러 장이라면 먼저 이미지 PDF 변환으로 페이지를 합친 뒤 PDF 페이지를 표가 있는 범위로 지정하는 편이 빠른 경우가 많습니다.

일괄 처리가 끝나면 원본 파일 이름을 기록하는 열을 하나 두고 결과를 한 시트로 이어 붙이세요. 문서 대부분이 텍스트이고 표가 한두 개뿐이라면 PDF를 워드로 변환하는 편이 문단과 표를 함께 유지해 줍니다.

은행 명세서, 급여 명세서, 청구서에는 계좌 번호, 주소, 지출 내역이 담겨 있으니 어디로 보내는지 생각해야 합니다. UltKit에서는 업로드한 파일과 생성된 파일이 처리 후 30분 뒤 삭제되며, 누구도 내용을 읽지 않습니다. 그래도 가장 안전한 사본은 내 컴퓨터를 떠나지 않은 사본입니다. 전체 계좌 번호처럼 필요 없는 열은 업로드 전에 잘라 내거나 가리고, 더 이상 필요 없는 로컬 내보내기 파일은 삭제하세요.