OCR 정리는 텍스트가 이미 그럴듯하게 읽힐 때 가장 틀리기 쉽습니다. 두 줄을 이으면 문단이 제대로 복구되기도 하지만, 잘못된 블록을 이으면 저자가 쓴 적 없는 문장이 생깁니다. 반복되는 숫자를 지우면 페이지 하단이 깔끔해지기도 하고, 목록이 사라지기도 합니다.
원본 PDF와 손대지 않은 내보내기 파일을 남겨 두세요. 복사본에서 작업하고, 모든 정리 규칙은 파일 전체에 무작정 적용할 것이 아니라 문서와 대조해 시험할 대상으로 다루세요.
의미 있는 제목부터 복구하기
원본에서 절 제목을 읽고 마크다운 개요와 비교하세요. 크게 인쇄된 줄이 장 제목일 수도, 그림 캡션일 수도, 반복 머리말일 수도 있습니다. 크기만으로는 그 역할을 알 수 없습니다.
제목 수준은 실제 계층 구조를 드러내는 데 쓰세요. 한 장 안에 절과 소절이 있을 수 있고, 강조된 구절이 모두 새 제목이 될 필요는 없습니다. PDF에서 같은 절을 식별할 수 있을 만큼의 문구는 유지하세요.
페이지 머리말이 책 제목이나 장 제목을 반복한다면, 확인된 중복은 작업 텍스트에서 지우고 개요에 하나씩 올리지 마세요. 진짜 제목이 절의 시작 부분에 남아 있는지 확인하세요.
긴 문서라면 한 장만 먼저 고치고 그 개요를 살펴본 뒤 다른 곳에도 같은 방식을 적용하세요. 교재, 색인, 부록은 서로 다른 관례를 쓸 수 있습니다.
구조를 뭉개지 않고 줄바꿈 이어 붙이기
PDF 추출은 인쇄된 줄마다 줄바꿈을 남길 수 있습니다. 일반 산문에서는 이런 줄들이 하나의 문단에 속할 수 있습니다. 하지만 줄바꿈은 목록 항목, 시, 코드, 별도로 표시된 수식을 구분하기도 합니다.
직접 작성한 정리 예시는 다음과 같습니다.
Before:
The samples were stored in a dry
cabinet until the second test.
After:
The samples were stored in a dry cabinet until the second test.
이는 편집 판단을 보여 주는 예시일 뿐, 측정된 변환 결과가 아닙니다. 실제 문단에 같은 규칙을 적용하기 전에 PDF를 확인하세요.
줄 끝 하이픈은 특히 주의하세요. 조판 때문에 나뉜 단어는 이어 붙여야 할 수 있고, 진짜 복합어는 하이픈을 남겨야 합니다. 예시를 살펴보지 않은 채 줄바꿈 앞의 하이픈을 모두 지우지 마세요.
페이지를 넘어갈 때는 원본의 마지막 문장과 다음 페이지의 첫 문장을 함께 읽으세요. 사이에 꼬리말, 이어지는 각주, 단 전환 등이 끼어 있으면 단순히 이어 붙이는 것이 틀릴 수 있습니다.
적용 대상을 명확히 정해 페이지 잡음 지우기
반복되는 머리말, 꼬리말, 페이지 번호, 스캔 잡음을 찾아내세요. 찾기 및 바꾸기를 쓰기 전에 여러 페이지에서 패턴을 확인하세요. 같은 단어가 본문에도 쓰일 수 있고, 단독으로 표시된 숫자가 페이지 번호가 아니라 데이터일 수도 있습니다.
짧은 줄을 모두 지우기보다 실제로 반복되는 구조에 맞춘 규칙을 쓰세요. 작은 범위에 먼저 적용하고 변경 내용을 확인한 뒤, 되돌릴 수 있는 여지를 남겨 두세요. 문서에 2단으로 된 부분이 있다면, 갑작스러운 전환을 단순한 여백으로 처리하기 전에 읽기 순서 문제 해결 안내를 참고하세요.
정리하는 동안 표, 캡션, 각주는 일반 산문과 분리해 두세요. 이런 요소의 줄 구조에는 의미가 담겨 있는 경우가 많아, 문단 전체에 적용하는 넓은 규칙으로는 훼손되기 쉽습니다.
같은 원본 위치를 기준으로 전후 비교하기
문단 몇 개, 목록 하나, 표 하나, 각주 하나를 골라 보세요. 손대지 않은 내보내기 파일, 편집한 복사본, 원본 PDF를 비교합니다. 겉모습이 깔끔한지만 보지 말고 단어와 관계를 확인하세요.
의미 있는 수정 사항을 기록하세요. 복구한 제목, 지운 반복 꼬리말, 바로잡은 문단 경계, 아직 해결하지 못한 인식 오류 등입니다. 서식 변경과 숫자나 용어 변경을 구분하세요. 더 매끄럽게 읽히는 수정본이 사실 관계를 바꿔 놓았을 수도 있습니다.
마크다운을 최종 편집기에서 미리 보세요. 기본 마크다운과 확장 기능은 표, 수식, 각주를 다루는 방식이 다릅니다. CommonMark는 핵심 문법을 정의할 뿐, 모든 응용 프로그램의 동작을 규정하지는 않습니다.
재사용하고 추적할 수 있는 파일로 마무리하기
PDF Craft는 스캔 PDF와 텍스트 PDF를 편집 가능한 마크다운으로 변환합니다. 업로드한 뒤 마크다운을 선택하고, 변환된 결과를 내려받아 원본과 대조하며 검토하세요. 이 과정은 이미 있는 마크다운을 임의로 업로드해 번역하는 별도 기능을 요구하거나 전제하지 않습니다.
이미지와 기타 리소스는 정리한 문서와 함께 보관하고, 파일을 옮긴 뒤에는 경로를 시험해 보세요. 연구 노트 작업 방식을 따를 때는 원본 제목, 판본, 페이지 참조를 유지하세요.
눈에 띄는 이상이 모두 사라질 때까지 작업할 필요는 없습니다. 문서 구조를 활용할 수 있고, 중요한 수정 사항을 확인했으며, 불확실한 부분을 검토 대상으로 분명히 표시했다면 작업을 마쳐도 됩니다.