표에 기대하는 숫자가 모두 들어 있어도 내용은 틀릴 수 있습니다. 값을 한 칸 오른쪽으로 옮기면 그 값이 다른 연도, 다른 처리, 다른 단위를 가리키게 됩니다. 스캔한 PDF의 표 OCR을 검토한다는 것은 숫자가 그럴듯해 보이는지만 보는 게 아니라, 레이블과 값이 어떻게 연결되어 있는지를 확인하는 일입니다.
원본 페이지 이미지와 표 하나를 먼저 펼쳐 놓고 시작하세요. 값을 스프레드시트나 보고서로 옮기기 전에 머리글, 본문, 주석, 이어지는 부분까지 모두 살펴봅니다.
셀을 확인하기 전에 병합된 머리글부터 파악하기
머리글이 여러 열에 걸쳐 있고 두 번째 행에 개별 레이블이 붙는 경우가 있습니다. 예를 들어 "연간 생산량"이 두 연도를 아우르고, 각 연도가 다시 제품 유형별로 나뉠 수 있습니다. 이렇게 걸쳐 있는 머리글이 사라지면 내보낸 행은 깔끔해 보여도 의미를 잃습니다.
표본으로 잡은 값 하나에 대해 전체 레이블을 적어 보세요. 표 제목, 그룹 머리글, 열 머리글, 행 머리글, 단위까지 모두 포함합니다. 그런 다음 변환 결과만 보고도 이 레이블을 다시 구성할 수 있는지 확인합니다.
행 레이블이 병합된 경우에도 같은 방식으로 점검합니다. 여러 행 옆에 한 번만 인쇄된 범주가 그 행 전체에 적용될 수 있습니다. 그 아래 빈 셀이 반드시 데이터가 빠진 것은 아니며, 빈 칸을 모두 0으로 채우면 원본과 달라집니다.
나중에 Markdown으로 표현하는 방식을 고를 때는 PDF 표를 Markdown으로 문서를 참고하세요. 여기서 다루는 문제는 원본 표가 제대로 인식되었는지 여부입니다.
값을 양방향으로 추적하기
스캔본에서 값을 하나 골라 결과에서 그 값의 행과 열을 찾아보세요. 이번에는 반대로 결과에서 값을 하나 골라 스캔본에서 출처를 찾아갑니다. 이 역방향 확인을 하면 중복된 행이나 원본에 없는 값이 드러날 수 있습니다.
서로 다른 위치를 골라 표본을 뽑으세요. 첫 행, 가운데 행, 마지막 행, 그리고 주석 표시나 특이한 문장 부호가 들어간 행이 좋습니다. 소수점 구분 기호, 음수 부호, 천 단위 구분 기호, 퍼센트, 범위, 괄호도 확인합니다. 주변 숫자가 맞더라도 이런 요소 때문에 의미가 달라질 수 있습니다.
빈 칸, 대시, "해당 없음", 0은 서로 구분해 두세요. 표의 범례에서 이들에 서로 다른 의미를 부여했을 수 있습니다. 범례를 이해하기 전에 편의를 위해 값을 통일하지 말고, 나중에 바꿨다면 그 사실을 따로 기록합니다.
머리글과 주석을 함께 읽어 단위 확인하기
"매출"이라는 머리글만으로는 부족합니다. "단위: 천"이 표 위에만 있거나 아래 주석에만 있다면 값의 의미가 완성되지 않습니다. 이 조건이 변환 결과에 남아 있고 올바른 값에 연결되어 있는지 확인하세요.
셀 안에 들어 있는 단위도 살펴봅니다. 위첨자, 접두어, 도 기호는 품질이 낮은 스캔에서 사라질 만큼 작을 수 있습니다. 밀리그램이 그램으로 바뀌는 것은 단순한 표기상의 문제가 아닙니다.
나중에 문서를 번역한다면 단위 인식과 언어 선택을 분리하세요. OCR이 지수를 놓쳤다는 사실을 번역가가 찾아내리라고 기대해서는 안 됩니다. 인식된 원문을 먼저 검토한 다음 번역된 머리글과 설명을 대조합니다.
여러 페이지에 걸친 표는 신중하게 이어 붙이기
"계속" 표시, 반복되는 열 머리글, 중간에 끊긴 행, 마지막 페이지 뒤에만 나오는 주석을 찾아보세요. 반복된 머리글이 데이터 행으로 하나 더 들어가서는 안 되고, 반복된 행 레이블은 두 번째 관측치가 아니라 이어지는 내용일 수 있습니다.
페이지가 나뉘는 지점의 마지막 데이터 행과 그다음 페이지의 첫 행을 확인하세요. 설명이 다음 페이지로 넘어갔다면 그 값이 여전히 같은 항목에 속하는지 확인합니다. 끝부분의 각주가 앞 페이지의 행에 적용될 수도 있습니다.
작업용 표에서 페이지 경계를 지우더라도 검토 기록에는 남겨 두세요. 그래야 빠진 줄이나 예상치 못한 중복이 어디서 생겼는지 되짚을 수 있습니다.
숫자를 추측하지 말고 불일치를 기록하기
기록은 간단하게 유지하세요. 원본 페이지와 표, 행 레이블, 열 레이블, 문제가 된 값, 원본에서 읽은 내용, 수정 상태를 적습니다. 판독할 수 없는 값은 미해결로 표시합니다. 합계가 맞아떨어진다는 이유만으로 숫자를 골라서는 안 됩니다.
합계와 범위는 교차 확인에 유용하지만 증거가 되지는 않습니다. 원본 자체에 반올림이나 편집상의 오류가 있을 수 있습니다. 인식 오류를 바로잡은 기록과 나중에 데이터를 해석한 내용은 구분해 두세요.
PDF Craft는 스캔한 자료를 포함해 PDF를 변환할 때 표를 인식합니다. 편집과 재사용이 목적이라면 Markdown을 선택한 다음, 내려받은 결과를 원본과 비교하세요. 복잡하거나 흐릿한 표는 꼼꼼히 검토해야 하며, 모든 병합 셀이나 페이지를 넘는 구조를 항상 처리한다고 보장할 수는 없습니다.
연구 노트에 표를 쓰기 전에 제목, 단위, 표본으로 뽑은 행, 주석을 한꺼번에 확인하세요. 표가 원문에서 떨어져 나온 뒤에도 원본 맥락을 유지하는 방법은 PDF를 Markdown으로 바꾸는 연구 워크플로에서 설명합니다.