스캔한 표를 엑셀 파일로 만드는 법

그림이 행과 열이 되는 원리

OCR은 단어를 읽으면서, 결정적으로, 각 단어가 페이지 어디에 있는지 좌표를 기억합니다. 표 추출은 그 기하 정보를 이용합니다. 같은 가로줄에 있는 단어들이 한 행이 되고, 단어 뭉치 사이의 큰 간격이 열 경계가 됩니다. Scandut이 쓰는 방식이 정확히 이것입니다 — 페이지의 각 줄이 스프레드시트 한 행이 되고, 눈에 보이는 빈틈에서 셀이 나뉘며, 스캔한 페이지마다 시트가 하나씩 만들어집니다.

작업 흐름

평소처럼 페이지를 스캔하세요 — 반듯하게 보정된 문서 모드 스캔이 열 사이 간격을 또렷하고 일정하게 만듭니다. 결과 화면에서 글자 추출(OCR)을 실행한 뒤 엑셀(.xlsx) 파일을 내려받으세요. 열어보면 표가 대강 모양을 갖추고 있을 겁니다. 행은 순서대로, 항목명은 앞 열에, 숫자는 오른쪽에.

표는 최대한 평평하고 정면에서 찍으세요. 사진이 심하게 기울면 종이에서는 맞춰져 있던 열이 이미지에서는 대각선으로 흘러서, 간격 감지가 이웃 셀을 합치기 시작합니다. 투시 보정이 이 문제 대부분을 잡아줍니다 — 표 문서일수록 스캔 범위 모서리를 정성 들여 맞출 이유입니다.

엑셀에서 5분 다듬기

손볼 곳은 세 종류를 예상하면 됩니다. 합쳐진 셀: 간격이 좁은 두 열이 한 셀로 들어올 수 있습니다 — 엑셀의 "텍스트 나누기"로 가르세요. 잘못 읽은 숫자: 0과 O, 1과 l의 혼동은 인쇄 품질이 낮을 때 몰려 나오니, 합계 열은 이미지와 대조하세요. 숫자 서식: OCR 결과는 텍스트이므로, 합산 전에 숫자 열을 선택해 숫자로 변환하세요. 웬만한 표는 정말로 5분이면 끝나는 작업입니다.

기대치 조절 — 그냥 타이핑이 나은 경우

열 간격이 또렷한 깔끔한 인쇄 표는 아주 잘 변환됩니다. 세로 괘선만 있고 간격이 거의 없는 표, 셀 안에서 여러 줄로 감긴 글, 손으로 쓴 항목은 잘 안 됩니다 — OCR이 의지하는 기하 정보 자체가 없으니까요. 셀이 열댓 개뿐인 작은 표라면 솔직히 타이핑이 빠릅니다. 이 기법이 값어치를 하는 건 긴 표입니다. 거래내역, 재고 목록, 50행 넘는 모든 것.