PDF가 올바르게 보이지만 일반 텍스트 편집기에 붙여넣으면 다른 문자가 생성되는 경우 글꼴을 변경하거나 OCR를 실행하기 전에 원인을 확인하세요. 페이지에 그려진 모양과 그것이 나타내는 문자 간의 매핑이 잘못되었을 수 있습니다. 이러한 PDF 텍스트 오류를 수정하는 것은 해당 프로세스의 어느 부분이 실패했는지 식별하는 것부터 시작됩니다.
텍스트는 올바르게 보이지만 복사하면 왜 잘못됩니까?
PDF 텍스트 콘텐츠는 Unicode 텍스트가 아닌 글꼴별 소스 문자 코드를 저장할 수 있습니다. PDF 리더는 글꼴과 인코딩 정보를 사용하여 문자 모양을 찾고 그립니다. 복사하려면 해당 코드를 의미 있는 문자로 변환해야 합니다.
따라서 문자 A를 그려도 추출이 A를 반환한다는 보장은 없습니다. ToUnicode는 PDF 소스 문자 코드를 Unicode 문자 시퀀스와 연결하는 글꼴 사전의 매핑입니다. 텍스트 표시와 추출 간의 이러한 차이점은 Adobe PDF 참조, 섹션 5.9에 설명되어 있습니다.
글꼴 매핑은 실제로 무엇을 의미합니까?
이 세 가지 개념은 서로 관련되어 있지만 서로 바꿔 사용할 수는 없습니다.
| 매핑 | 주요 역할 |
|---|---|
글꼴 파일 내의 cmap 테이블 | 문자 코드를 문자 모양 색인에 매핑합니다. Unicode 하위 테이블은 Unicode 코드를 사용합니다. |
| PDF 인코딩; 합성 글꼴은 Encoding CMap를 사용할 수 있습니다. | PDF 소스 문자 코드를 해석하고 그릴 글리프를 찾는 데 도움을 줍니다. |
PDF ToUnicode | 복사 및 추출을 위해 PDF 소스 문자 코드를 Unicode 텍스트에 매핑합니다. |
첫 번째 종류에 대해서는 OpenType cmap 사양를 참조하세요. 여기서 논의되는 수리는 세 번째를 대상으로 합니다. 글꼴 파일을 다시 작성하거나 페이지의 문자를 바꾸지 않습니다.
ToUnicode 매핑이 누락되어도 텍스트가 항상 왜곡되는 것은 아닙니다. PDF 리더는 때때로 표준 인코딩, 알려진 문자 모양 이름 또는 문자 모음에서 텍스트를 복구할 수 있습니다. 반대로, 매핑 테이블이 존재하고 여전히 잘못된 연결을 포함할 수 있습니다.
먼저 매핑에 문제가 있는지 확인하세요.
짧은 구절을 일반 텍스트 편집기에 복사하고 원본 페이지와 비교하세요.
| 징후 | 먼저 확인해야 할 사항 |
|---|---|
| 페이지는 올바르게 보이지만 복사된 문자가 지속적으로 다른 문자로 변경됩니다. | 누락되거나 잘못된 문자 매핑 |
| 텍스트가 아닌 이미지만 선택할 수 있습니다. | 누락된 텍스트 레이어 또는 윤곽선으로 변환된 텍스트 소스 파일 또는 OCR를 고려하십시오. |
| 스캔한 페이지에서 텍스트를 선택할 수 있지만 이미지와 일치하지 않습니다. | OCR 텍스트 레이어의 인식 결과 |
| 개별 문자는 정확하지만 열이나 테이블의 순서가 잘못되었습니다. | 읽는 순서 및 레이아웃 추출 |
| 페이지 자체에 누락된 문자나 상자가 포함되어 있습니다. | 글꼴 리소스, 문자 모양 적용 범위 또는 디스플레이 인코딩 |
이는 겉모습만으로 진단하는 것이 아니라 문제 해결 단서입니다. 글꼴 삽입과 올바른 복사도 별개의 문제입니다. PDF 글꼴 포함 및 하위 집합를 참조하세요.
원본 글리프를 사용하여 복사된 텍스트를 어떻게 수정할 수 있습니까?
특정 글꼴의 소스 코드 <0001>가 A를 그리지만 错(U+9519)에 잘못 매핑된다고 가정해 보겠습니다. 이는 완전한 CMap 파일이 아닌 예시적인 매핑 조각입니다.
Before: <0001> <9519>
After: <0001> <0041>
<0001>는 Unicode 문자 U+0001가 아니라 해당 글꼴의 PDF 소스 코드입니다. 이를 U+0041에 매핑하면 문자 모양이 A를 나타내도록 지정됩니다. ligature(하나의 문자 모양을 공유하는 여러 문자)는 fi와 같은 여러 Unicode 문자에 매핑해야 할 수도 있습니다.
매핑 복구가 적절한지 확인한 후 PDF 텍스트 복구 도구를 사용하세요.
- PDF를 선택한 다음 수정할 글꼴을 선택하세요.
- 그리드의 원본 글리프를 비교하고 각 글리프 아래에 올바른 텍스트를 입력하세요.
- 수리된 PDF를 내보내고 비교를 위해 원본을 보관하세요.
변경 사항은 동일한 글꼴과 소스 코드가 사용되는 모든 곳에 적용됩니다. 이름이 일치하더라도 고유한 글꼴을 별도로 확인하세요. OCR가 단어 하나만 잘못 인식한 경우 문자를 전체적으로 다시 매핑하면 이미 올바른 텍스트가 손상될 수도 있습니다.
수리 확인은 어떻게 하나요?
내보낸 파일을 다시 열고 대상 PDF 리더에서 샘플 텍스트를 복사하고 검색하세요. 편집하지 않은 동일한 코드 및 글꼴이 나타나는 다른 항목을 확인하세요. 첫 번째 잘못된 문자만 테스트하는 대신 페이지 모양을 비교하고 구두점, 합자 및 숫자를 검사하세요.
일부 PDF에서는 ActualText를 사용하여 지원 소프트웨어가 선호하는 대체 텍스트를 제공하기도 합니다. ToUnicode를 변경해도 문제가 해결되지 않으면 이 재정의를 확인하세요. 현재 도구는 ActualText에 대해 경고하지만 편집하지는 않습니다. PDF 연관 설명를 참조하세요.
OCR 오류의 경우 텍스트 레이어를 다시 수정하거나 인식하세요. 원본 레이아웃 파일이 있는 경우 이를 수정하고 새 PDF를 내보내는 것이 좋습니다. 열리지 않거나 구조적 오류를 유발하지 않는 파일에는 다른 접근 방식이 필요합니다. PDF 형식 복구가 적절한 경우를 참조하세요.
글꼴 문자 매핑 문제를 식별한 후에는 로컬 PDF 텍스트 복구 도구를 사용하여 수정하세요. 파일은 업로드하지 않고 브라우저에서 처리됩니다. 내보낸 후에도 복사된 텍스트와 페이지 모양을 확인해야 합니다.
