PDF 투명 텍스트 제거

PDF 투명 텍스트 제거 소개

검색되는 스캔 PDF는 대개 두 겹입니다. 눈에 보이는 것은 스캔 이미지이고, 그 위에 OCR이 인식한 글자가 같은 자리에 「보이지 않게」 깔려 있습니다. PDF 규격에서 이 투명함은 텍스트 렌더링 모드 3(칠하지도 윤곽을 긋지도 않음)으로 표현됩니다.

OCR이 틀렸거나 텍스트 층이 두 번 얹혀 검색·복사 결과가 이상할 때, 이 도구는 그 투명 글자만 지우고 스캔 이미지는 바이트 하나 바꾸지 않고 둡니다. 다시 OCR을 돌리기 전 정리 단계로 쓰는 경우가 많습니다.

무엇을 지우고, 정말 파일에서 사라지는가

각 페이지의 콘텐츠 스트림(과 거기서 불러 쓰는 Form XObject)을 텍스트 객체(BT…ET) 단위로 읽어, 글자를 그리는 명령이 모두 렌더링 모드 3에서 실행되는 블록을 삭제합니다. 렌더링 모드는 그래픽 상태라서 BT/ET를 넘어 이어지고 q/Q로 저장·복원되므로, 스트림 전체(한 페이지의 여러 스트림 포함)에서 모드를 따라가며 판정합니다. 블록 안에서 「3 Tr」을 직접 쓰지 않고 앞 블록의 설정을 물려받은 블록도 함께 지워지고, 지운 블록이 설정하던 글꼴·모드 같은 상태 명령은 제자리에 남겨 뒤따르는 내용이 전과 똑같이 그려집니다. 수정한 스트림은 같은 객체 번호에 새로 압축해 넣고 파일 전체를 다시 쓰므로, 지운 글자가 이전 개정본처럼 파일 끝에 남지는 않습니다. 텍스트 편집기로 결과를 열어도 그 문자열은 나오지 않습니다.

남는 것도 있습니다. OCR 층이 쓰던 글꼴 객체는 리소스에 그대로 있고, 문서 정보·XMP 메타데이터도 건드리지 않습니다. 파일 구조 자체는 「PDF 파일은 어떻게 생겼나」 가이드에서 설명합니다.

숨은 글자라도 대상이 아닌 경우

이 도구가 보는 것은 렌더링 모드 3 하나뿐입니다. 아래 경우는 그대로 남습니다.

• 흰 배경 위의 흰 글자, 0.1pt처럼 아주 작은 글자, 페이지 밖 좌표에 놓인 글자
• 이미지 뒤에 가려진 보통 글자
• Form XObject 안에서 모드를 설정하지 않고, 그 Form을 부르는 쪽의 3 Tr을 물려받아 투명해진 글자(Form은 모드 0에서 시작한다고 보고 검사하므로 지우지 않고 남깁니다)
• 보이는 글자와 모드 3 글자가 한 블록에 섞인 블록(예: 글자를 먼저 보이게 그린 뒤 모드를 3으로 바꾼 경우) — 보이는 글자를 지우지 않도록 블록 전체를 남깁니다

예시

사용 방법

1. 스캔 PDF를 선택합니다. 모든 페이지가 대상이며, 불러오는 즉시 제거 후 모습이 미리보기로 나옵니다.
2. 실행 후 요약에서 제거된 블록 수와 바뀐 스트림 수를 확인합니다.
3. 결과를 열어 화면은 같고 글자 선택만 안 되는지 확인한 뒤, 필요하면 OCR을 다시 합니다.

자주 묻는 질문