PDF 분할·페이지 추출 (목차·텍스트·간지 기준)

PDF 분할·페이지 추출 (목차·텍스트·간지 기준) 소개

PDF를 나누는 방법은 「어디서 끊을지」를 무엇으로 정하느냐에 따라 갈립니다. 이 도구는 쪽수·범위·용량으로 기계적으로 끊는 기본 모드 외에, 책갈피 위치, 페이지에 적힌 글자(청구서 번호 등), 스캔 사이에 끼운 빈 종이나 QR 간지, 그리고 한 장에 두 쪽이 찍힌 책 스캔을 반으로 가르는 모드까지 한곳에 모았습니다.

어느 모드든 결과 파일은 원본을 다시 렌더링하지 않고 페이지 객체를 그대로 옮겨 만듭니다. 글자는 글자로, 벡터는 벡터로 남고 화질이 떨어지지 않습니다. 대신 이 방식 때문에 생기는 특징이 하나 있는데, 바로 나눈 파일들의 용량 합계가 원본보다 커진다는 점입니다.

나눈 파일을 합치면 원본보다 큰 이유

PDF에서 글꼴, 로고 이미지, 색 프로필 같은 리소스는 한 번만 저장되고 여러 페이지가 같은 객체 번호로 가리킵니다. 100쪽 보고서가 1.5MB짜리 한글 글꼴 부분집합 하나를 모든 페이지에서 공유하고 있다면, 이를 10개로 나눌 때 각 파일은 그 글꼴을 통째로 한 벌씩 가져가야 합니다. 글꼴 부분집합은 원본 문서 전체에서 쓴 글자를 담고 있어서, 3쪽만 떼어 낸 파일에도 100쪽 분량의 글자가 들어 있습니다.

이 도구는 각 결과 파일에서 그 페이지들이 실제로 참조하지 않는 객체(빠진 페이지의 내용, 그 페이지에만 쓰인 이미지 등)는 지우고 저장합니다. 그래서 공유 리소스만 반복되고 개별 페이지의 내용은 한 번씩만 들어갑니다. 스캔 PDF처럼 페이지마다 자기 이미지를 갖는 문서는 나눠도 합계가 원본과 거의 같고, 글꼴이 무거운 문서일수록 합계가 커집니다.

용량 기준 나누기가 정확히 맞춰지는 방식

「파일당 5MB 이하」 같은 조건은 쪽수로 환산할 수 없습니다. 3쪽짜리 표지에 고해상도 사진이 있고 뒤쪽은 글자뿐일 수도 있기 때문입니다. 이 모드는 각 페이지가 참조하는 객체의 크기를 합산해 한 묶음에 몇 쪽이 들어갈지 추정하고, 실제로 저장해 본 크기와 추정치의 비율로 다음 묶음의 추정을 보정합니다. 저장한 결과가 한도를 넘으면 그 묶음만 이분 탐색으로 쪽수를 줄여 다시 만듭니다.

한 페이지만으로 한도를 넘는 경우(예: 스캔 1쪽이 8MB)는 나눌 수 없으므로 해당 페이지 번호를 알려주고 멈춥니다. 이때는 먼저 PDF 압축으로 이미지를 줄여야 합니다. 이메일 첨부 한도를 맞추려면 한도보다 5~10% 낮게 잡으세요. 첨부 파일은 전송 중 Base64로 인코딩되어 약 3분의 1이 커집니다.

책갈피로 나누기: 목차 구조가 곧 분할 기준

책갈피(Outlines)는 제목과 이동 대상 페이지를 가진 항목들의 트리입니다. 1단계 책갈피가 장(章), 2단계가 절이라면 레벨을 1로 고를 때 장마다 한 파일이 나오고, 파일 이름은 「001-머리말.pdf」처럼 책갈피 제목을 따릅니다. 도구는 책갈피 중 실제 페이지를 가리키는 것만 분할 지점으로 씁니다. 제목만 있고 링크가 없는 묶음용 책갈피, 웹 주소를 여는 책갈피는 건너뜁니다.

나눈 각 파일에는 그 범위 안의 책갈피만 남고, 빠진 페이지를 가리키던 항목은 정리됩니다. 하위 항목을 거느린 상위 제목은 자기 대상 페이지가 빠져도 제목으로 남습니다.

글자로 나누기: 묶음 청구서와 급여명세서

회계 프로그램에서 한 번에 뽑은 300쪽짜리 청구서 묶음은 보통 페이지마다 「청구서 번호: INV-1024」 같은 줄이 있습니다. 이 모드는 각 페이지의 텍스트 레이어를 읽어, 그 값이 바뀌는 곳(또는 값이 나타나는 모든 곳)에서 끊습니다. 문서를 열면 여러 페이지에 반복되고 값이 자주 바뀌는 「라벨: 값」 줄을 찾아 후보로 먼저 보여줍니다. 회사명처럼 모든 쪽에서 같은 값은 끊을 곳이 없으므로 후보에서 밀립니다.

검색 영역을 「페이지 위쪽 N%」로 제한하면 본문에 우연히 인용된 다른 번호에 걸리지 않습니다. 파일 이름에는 {값}, {순번}, {시작쪽} 같은 토큰을 쓸 수 있어 「INV-1024.pdf」처럼 바로 보낼 이름을 만들 수 있습니다. 스캔 PDF는 텍스트 레이어가 없어 값을 찾지 못하므로 OCR을 먼저 거쳐야 합니다.

빈 페이지·QR 간지로 나누기: 연속 스캔한 서류 더미

스캐너 급지대에 서류 여러 건을 한꺼번에 넣고 건 사이에 백지를 끼우면, 이 모드가 백지를 경계로 파일을 나눕니다. 판정은 페이지 가장자리 5%를 빼고 밝기 160 미만(0~255 중)인 어두운 픽셀의 비율로 하며, 기본값 0.05% 이하면 백지로 봅니다. 가장자리를 빼는 이유는 스캔 테두리의 그림자와 펀치 구멍이 백지를 「내용 있는 페이지」로 만드는 흔한 원인이기 때문입니다.

양면 스캔이면 간지 한 장이 빈 페이지 두 개로 들어오므로 「연속 빈 페이지 최소 개수」를 2로 두세요. 그러면 원래 문서 안에 있던 뒷면 백지 한 쪽은 경계로 오인하지 않습니다. 백지 대신 QR 간지를 인쇄해 끼우면 오판이 거의 없고, QR 내용(예: 「DOC:계약서-A사」)을 파일 이름으로 쓸 수 있습니다. 간지 페이지는 지우거나, 다음 문서의 첫 쪽 또는 이전 문서의 끝 쪽으로 남길 수 있습니다.

펼침면 나누기: 한 장에 두 쪽인 책 스캔

책을 펼쳐 스캔하면 가로로 긴 한 장에 왼쪽·오른쪽 쪽이 같이 찍힙니다. 이 모드는 이미지를 잘라 붙이지 않습니다. 페이지 사전을 두 번 얕게 복제해 같은 내용 스트림을 공유하게 하고, 각각의 CropBox(보이는 영역)만 왼쪽 절반, 오른쪽 절반으로 좁힙니다. 그래서 화질 손실이 없고 파일도 거의 커지지 않지만, 잘린 반대쪽 절반의 픽셀은 파일 안에 그대로 있습니다.

분할선은 20~80% 사이에서 옮길 수 있고, 제본 쪽 글자가 잘리지 않도록 각 절반이 선 너머로 몇 mm 더 보이게 겹칠 수 있습니다. 세로쓰기 일본어 책이나 아랍어 책처럼 오른쪽 쪽이 먼저인 책은 「오른쪽 먼저」를 고르고, 표지·뒤표지가 한 쪽만 스캔됐다면 첫 장과 마지막 장은 나누지 않게 둘 수 있습니다.

예시

사용 방법

1. PDF를 선택하고 나누는 방식(쪽수·범위·용량, 책갈피, 글자, 빈 페이지/QR, 펼침면)을 고릅니다.
2. 모드별 기준을 정하고 미리보기에서 경계가 맞게 잡혔는지 확인합니다. 필요하면 페이지별로 경계를 직접 켜고 끕니다.
3. 나누기를 실행하고 파일을 하나씩 또는 ZIP으로 내려받습니다.

자주 묻는 질문

관련 가이드

• PDF 파일은 어떻게 생겼나: 객체, 교차 참조표, 그리고 편집이 어려운 이유