PDF 자동화의 기초
텍스트 기반 PDF
- 텍스트 데이터가 직접 포함된 PDF 형식
- 텍스트를 쉽게 추출하고 검색할 수 있음
- OCR 기술 없이도 100% 텍스트를 추출할 수 있음
- 주로 텍스트 편집기나 워드 프로세서에서 직접 PDF로 변환하거나 저장할 때 생성됨
- 파일 크기가 일반적으로 이미지 기반 PDF보다 작음
이미지 기반 PDF
- 스캔된 문서와 같이 텍스트 데이터가 이미지 형식으로 저장된 PDF
- 텍스트 추출을 위해 OCR(광학 문자 인식) 기술이 필요함
- OCR 기술의 정확도는 이미지 품질, 텍스트 크기, 폰트 등에 따라 달라질 수 있음
- 처리 시간이 네이티브 텍스트 PDF보다 더 오래 걸릴 수 있음
텍스트 기반 PDF는 직접적인 텍스트 추출이 가능하지만, 이미지 기반 PDF는 추가적인 처리 단계가 필요하므로 자동화 과정에서 이를 고려해야 한다.
PDF 액티비티
| 특성 | Read PDF Text | Extract PDF Text | Read PDF With OCR |
|---|---|---|---|
| 주요 용도 | 텍스트 기반 PDF | 텍스트 기반 및 이미지 기반 PDF | 모든 유형의 PDF |
| OCR기능 | 없음 | 있음 | 있음 |
| 페이지 지정 가능 | 가능 | 불가능 | 가능 |
| 처리 속도 | 빠름 | 빠름 | 상대적으로 느림 |
| 이미지 기반 PDF 처리 | 불가능 | 가능 | 가능 |
| 정확도 | 높음 | 높음 | 변동 가능 |
| 구조적 정보 유지 | 제한적 | 가능 | 제한적 |
| OCR 엔진 선택 | 해당 없음 | 가능 | 해당 없음 |
PDF의존성 설치
-
텍스트기반 PDF - 드래그하면 텍스트가 추출된다
-
이미지 기반 PDF - 드래그해서 텍스트를 추출하지 못한다
