PDF 실험3 PDF 아래쪽을 잘라도 글자가 남을까? CropBox와 텍스트 추출 실험 PDF에서 불필요한 바닥글을 화면 밖으로 잘랐다고 그 글자가 파일에서 삭제된 것은 아닐 수 있습니다. 표시 범위만 바꾼 경우를 직접 만들어 확인했습니다. 이 구분은 문서 여백 정리와 정보 삭제를 혼동하지 않기 위해 필요합니다.화면에서 사라진 영역세 페이지 원본의 첫 페이지를 복사하고 CropBox의 아래 경계를 150포인트로 올렸습니다. 원본 바닥글은 아래쪽 50포인트 지점에 있어 새 표시 범위 밖에 놓였습니다. 결과는 cropped-display-only.pdf입니다. 렌더링은 Poppler의 -cropbox 옵션으로 수행해 지정된 표시 범위를 반영했습니다.표시 범위를 적용한 그림에서는 바닥글이 보이지 않았습니다. 그러나 pypdf 6.10.0으로 텍스트를 추출하면 원본 첫 페이지와 동일한 271자가 .. 2026. 10. 17. PDF에서 1·3쪽만 남길 때: 페이지 수보다 내용·순서·링크를 확인해야 하는 이유 세 페이지 PDF에서 첫째와 셋째 페이지만 추출했다면 결과가 두 페이지라는 것만으로 검사가 끝나지 않습니다. 어떤 페이지가 어떤 순서로 들어갔는지, 필요한 텍스트와 링크가 남았는지도 확인해야 합니다. 같은 두 페이지를 반대 순서로 만든 파일까지 함께 비교했습니다.작업과 검사 기준원본 text-source.pdf에는 세 페이지 각각 SAMPLE-001, SAMPLE-002, SAMPLE-003 표식이 있습니다. pypdf 6.10.0의 add_page로 0번·2번 인덱스를 복사해 pages-1-and-3.pdf를 만들었습니다. 또 2번·0번 순서로 복사해 pages-3-then-1.pdf를 만들었습니다. 코드의 인덱스는 0부터 시작하므로 사람이 부르는 첫 페이지는 0번입니다.파일페이지 수순서각 페이지 링크.. 2026. 10. 17. PDF 글자가 보이는데 복사가 안 되는 이유: 텍스트형과 이미지형 비교 PDF에서 글자가 또렷하게 보인다고 해서 검색하거나 복사할 텍스트가 들어 있다는 뜻은 아닙니다. 같은 문서를 텍스트 PDF와 이미지로만 구성된 PDF로 만들어 비교했습니다. 두 파일은 사람이 보기에는 비슷하지만, 일반 텍스트 추출 결과는 달랐습니다.외관을 맞추고 저장 구조만 바꾸기ReportLab 4.4.9로 세 페이지짜리 원본을 만들고, 각 페이지에 SAMPLE-001부터 SAMPLE-003까지의 표식과 외부 링크를 넣었습니다. 원본을 Poppler로 110dpi PNG 이미지로 렌더링한 뒤 그 이미지만 넣은 새 PDF도 만들었습니다. 두 번째 파일에는 OCR을 적용하지 않았습니다.항목텍스트 원본이미지만 넣은 PDF페이지 수33파일 크기(B)4353132838페이지별 추출 문자 수271 / 271 / .. 2026. 10. 17. 이전 1 다음
