스캔 PDF Word 변환은 시간을 아껴 주지만, 실제로 쓸 수 있는 문서가 되려면 변환 후 점검이 꼭 필요합니다. 문제는 대개 OCR 실행 전보다 실행 후에 드러납니다. 예를 들어 두 단 문서의 열이 한 문단으로 합쳐지거나, 표의 값이 옆 칸으로 밀리거나, 제목 단계가 사라지거나, 비슷하게 생긴 문자가 잘못 인식될 수 있습니다. 그래서 문서를 수정하거나 공유하거나 다시 활용하기 전에 짧고 확실한 검토 절차를 두는 것이 중요합니다.
이 글은 OCR을 실행하는 방법 자체보다, 변환 결과를 어떻게 검토할지에 초점을 둡니다. 이 작업 흐름의 일반 정보와 제공 현황은 OCR PDF Word 정보 페이지에서 확인할 수 있습니다.
먼저 화면으로 구조가 살아 있는지 비교하기
본문을 바로 고치기 전에 스캔된 PDF와 Word 결과를 나란히 놓고 비교해 보세요. 첫 확인에서 답해야 할 질문은 하나입니다. 문서 구조가 유지되었는가입니다.
우선 다음 항목부터 빠르게 확인합니다.
- 페이지 나눔 위치가 대체로 비슷한가
- 여러 열로 된 페이지가 분리된 채 유지되었는가, 아니면 한 덩어리로 합쳐졌는가
- 표가 여전히 표로 남아 있는가, 아니면 일반 문단처럼 풀렸는가
- 제목이 본문과 구분되게 보이는가
- 각주, 머리말, 페이지 번호, 캡션이 본문 안으로 섞여 들어오지 않았는가
이 빠른 비교만으로도 가벼운 정리만 필요한 문서인지, 구조를 다시 잡아야 하는 문서인지 판단할 수 있습니다.
줄 단위 검토보다 먼저 열 순서를 확인하기
열 구조는 OCR이 특히 자주 잘못 해석하는 부분입니다. 뉴스레터, 브로슈어, 보고서, 학술 문서에서는 왼쪽 열을 끝까지 읽지 않고 오른쪽 열의 문장을 이어 붙여 버리는 일이 흔합니다.
열 문제가 있을 때 보이는 신호는 다음과 같습니다.
- 문장이 갑자기 다른 주제로 넘어감
- 단어 자체는 맞아 보이는데 문장 흐름이 어색함
- 페이지 위나 아래에서 일부 구절이 반복됨
- 글머리표나 소제목이 읽기 순서와 다르게 들어감
실무적으로는 각 문단의 첫 줄과 마지막 줄만 빠르게 읽어도 이상 여부를 어느 정도 파악할 수 있습니다. 흐름이 어색하면 PDF 원문과 대조하여 원래 읽기 순서를 먼저 복원하세요. 세부 교정보다 읽기 순서 수정이 먼저입니다.
문서가 빽빽한 편이라면 Word에서 열 구간을 먼저 구분 표시한 뒤, 텍스트 덩어리를 수동으로 나누거나 합치는 편이 안전합니다. 초기에 순서를 바로잡으면 이후의 오탈자 수정도 훨씬 정확해집니다.
표는 모양보다 데이터 정확성으로 검토하기
표는 일반 본문과 다른 방식으로 확인해야 합니다. 겉보기에는 그럴듯해 보여도 셀 내부 데이터가 잘못 들어간 경우가 많기 때문입니다.
OCR 뒤에 흔히 보이는 표 오류는 다음과 같습니다.
- 여러 행이 한 행으로 합쳐짐
- 한 셀이 여러 셀로 쪼개짐
- 숫자가 옆 열로 이동함
- 테두리가 사라져 구조가 흐려짐
- 머리글 행이 데이터 중간에 반복 삽입됨
- 날짜, 백분율, 통화 값이 잘못 인식됨
아래 점검표처럼 확인하면 실수를 줄일 수 있습니다.
| 점검 항목 | 확인할 내용 |
|---|---|
| 머리글 행 | 열 제목이 PDF와 같고 순서가 맞는지 |
| 행 정렬 | 각 값이 올바른 행과 범주에 들어갔는지 |
| 숫자 형식 | 소수점, 쉼표, 음수 기호, 퍼센트 기호가 유지되었는지 |
| 빈 셀 | 비어 있어야 할 칸이 누락되거나 병합되지 않았는지 |
| 합계 | 소계와 최종 합계가 원문과 일치하는지 |
표가 작다면 셀 단위로 전부 비교하는 것이 좋습니다. 표가 크다면 식별번호, 날짜, 금액, 합계처럼 위험도가 높은 열부터 표본 점검을 하세요.
그럴듯하게 보이는 인식 오류를 특히 경계하기
가장 위험한 OCR 오류는 눈에 띄게 이상한 글자가 아니라, 얼핏 맞아 보이는 치환입니다. 훑어보기만 하면 지나치기 쉽습니다.
대표적인 예시는 다음과 같습니다.
O와0I,l,1S와5B와8rn이m으로 인식됨cl이d로 인식됨
이런 문제는 이름, 계정번호, 참조번호, 법률 문구, 치수, 표 안의 수치에서 특히 치명적입니다. 문장 전체는 자연스러워 보여도 한 글자 차이로 의미가 완전히 달라질 수 있습니다.
실제로는 Word 문서에서 의심 패턴을 검색해 보는 방법이 유용합니다.
- 이중 공백이나 예상치 못한 줄바꿈을 검색합니다.
- 낯선 기호 조합이나 문맥상 어색한 문자를 찾습니다.
- 문서에 반복해서 나오는 핵심 용어를 검색하고 PDF와 여러 위치를 대조합니다.
- 숫자 주변, 약어 주변처럼 OCR 오류가 잦은 부분을 집중 확인합니다.
반복 용어가 많은 문서라면, 같은 오인식이 반복되는지 먼저 확인한 뒤 일괄 수정하는 방식이 효율적입니다.
실제 문서 예시로 전체 검토 순서 잡기
예를 들어 2페이지짜리 재무 보고서를 생각해 보겠습니다. 각 페이지는 두 개의 열로 구성되어 있고, 요약 표 하나와 짧은 문단 몇 개가 있습니다. OCR 뒤 Word에서는 편집이 가능해 보이지만, 검토해 보니 다음 문제가 발견됩니다.
- 1페이지 첫 문단에 왼쪽 열과 오른쪽 열 텍스트가 함께 섞여 있음
- 표에서 매출 수치 하나가 잘못된 열로 이동함
- 연도
2023이 한 곳에서2O23으로 인식됨
이때는 다음 순서로 고치는 것이 실용적입니다.
- PDF와 대조하여 섞인 열 텍스트를 먼저 분리합니다.
- 표를 다시 맞추거나 필요하면 재구성한 뒤, 표를 인용하는 본문을 수정합니다.
- 문서 전체에서 비슷한 연도 패턴을 검색해 같은 오류가 더 있는지 확인합니다.
- 수정 후에도 합계가 PDF와 일치하는지 다시 봅니다.
- 마지막으로 제목, 캡션, 페이지 순서를 훑어 읽습니다.
이 순서가 중요한 이유는 구조 오류가 뒤의 문장 오류와 숫자 오류를 연쇄적으로 만들기 때문입니다. 먼저 구조, 다음 문장 흐름, 마지막으로 세부 문자 수준을 검토하세요.
매번 같은 검토 절차를 두면 정확도가 올라간다
즉흥적으로 확인하는 것보다 짧고 반복 가능한 절차를 정해 두는 편이 더 믿을 만합니다. 대부분의 문서에는 아래 5단계면 충분합니다.
- 레이아웃 훑기: 페이지, 열, 제목, 목록, 표를 전체적으로 비교합니다.
- 읽기 순서 수정: 합쳐진 열, 끊긴 문단, 잘못 들어간 텍스트 블록을 바로잡습니다.
- 표와 숫자 검증: 머리글, 정렬, 합계, 날짜, 기호를 확인합니다.
- 자주 나는 OCR 오류 검색: 이름, 수치, 참조번호, 반복 용어를 중심으로 봅니다.
- 최종 교정 읽기: 맞춤법만 보지 말고 의미가 자연스러운지 읽습니다.
이 검토 시간은 문서 종류에 따라 달라집니다. 단순 양식은 빠르게 끝날 수 있지만, 보고서나 계약서, 수치가 많은 문서는 훨씬 더 신중해야 합니다. 핵심은 문서의 위험도에 맞춰 검토 강도를 정하는 것입니다.
변환 후 수정만으로 해결되지 않는 한계도 있다
일부 OCR 문제는 Word에서 조금 다듬는 정도로는 깔끔하게 해결되지 않습니다. 스캔이 심하게 기울어졌거나, 희미하거나, 잘려 있거나, 화면 요소가 복잡하면 Word 결과 전체를 신뢰하기 어려울 수 있습니다. 이 경우에는 문서 일부를 수동으로 다시 만드는 편이 더 정확할 수 있습니다.
또한 다음 상황도 기억해 두세요.
- 장식적인 편집 디자인은 읽기 순서를 자주 흐립니다.
- 도장, 서명, 손글씨 메모가 본문으로 섞일 수 있습니다.
- 저품질 스캔은 일관되게 틀린 텍스트를 만들어 낼 수 있습니다.
- 복잡한 표는 수동 재구성이 필요할 수 있습니다.
그래서 스캔 PDF Word 변환 결과는 완성본이 아니라 초안 추출본으로 보는 태도가 안전합니다. 특히 법률 문서, 재무 자료, 중요한 숫자가 들어간 자료라면 수동 검토는 생략할 수 없습니다.
공유하거나 재사용하기 전 마지막 확인
Word 파일을 다른 사람에게 보내기 전에 아래 세 가지를 다시 자문해 보세요.
- 텍스트 순서가 올바른가
- 표를 수정하거나 인용해도 될 만큼 신뢰할 수 있는가
- 이름, 날짜, 숫자 같은 고위험 항목을 PDF 원문과 대조했는가
이 셋 중 하나라도 확실하지 않다면 검토가 더 필요합니다. 마지막 몇 분의 확인이 잘못된 수정, 보고 실수, 버전 혼선을 막아 줍니다.