PDF에서 정보 추출하기
계약서를 대장에 올리고, 세금계산서를 집계하고, 수백 건의 통지문에서 핵심 조항을 찾아야 하는 일 — 내용은 PDF에 있는데 집계하려면 먼저 표로 만들어야 합니다.
예전에는 이렇게 했습니다
PDF를 열어 금액을 찾고, 복사해서 Excel로 붙여넣기…… 한 건에 2분이면 100건에 세 시간이 넘고, 중간에 행이 밀리기도 합니다.
이렇게 한마디만 하세요
"계약서" 폴더의 PDF를 읽고 갑·을·금액·체결일을 뽑아서 Excel로 만들어줘.
더 구체적으로도 가능합니다:
이 세금계산서 PDF에서 계산서 번호, 발행일, 금액, 세액을 뽑아서 발행일로 정렬해줘.
어떻게 진행하나요
- 먼저 한 건으로 시험합니다: 항목과 추출한 값을 보여주고 이해가 맞는지 확인합니다
- 그다음 일괄 처리합니다: 모든 파일을 같은 항목으로 추출합니다
- 불확실한 부분을 표시합니다: 읽지 못하거나 확신이 없는 값은 비워 두고 어느 파일인지 알려줍니다
무엇을 얻게 되나요
- 표 하나, 파일 한 개당 한 행
- 첫 열이 파일 이름이라 원본을 다시 확인하기 쉽습니다
- 읽지 못한 행은 비워 둔 채 따로 목록화하며, 숫자를 지어내지 않습니다
- 어떤 파일이 스캔본이라 인식이 부정확할 수 있는지도 미리 알려줍니다
이렇게도 부탁할 수 있습니다
- "모든 계약서에서 '위약'이 언급된 단락을 원문 그대로 뽑아줘"
- "회사명으로 묶어서 각 계약 총액을 집계해줘"
- "금액과 날짜가 맞지 않는 것만 따로 목록으로 보여줘"
스캔본과 전자 PDF의 차이
Word나 시스템에서 내보낸 전자 PDF는 글자가 그대로 들어 있어 추출이 정확합니다. 휴대폰으로 찍거나 복사 후 스캔한 이미지 PDF는 문자 인식이 필요하고, 손글씨나 도장에 가려진 부분은 틀릴 수 있습니다. 그럴 때는 먼저 소량만 처리하고 몇 건을 표본 확인한 뒤 전체를 돌리는 것을 권합니다.
할 수 없는 일
- 손글씨와 도장에 가려진 내용은 잘못 인식합니다
- 다단 편집이나 중첩 표가 있는 PDF는 몇 행을 직접 확인해야 할 수 있습니다
- 암호가 걸린 PDF는 먼저 잠금을 해제해야 합니다
- 판단까지 대신하지는 않습니다. 추출이 틀렸을 때의 책임은 본인에게 있으니 중요한 파일은 표본 확인을 하세요