[Automation] PDF·스캔 문서에서 표 자동 추출 — 파이썬 실전

🏷️ [NextX_Automation_Solution] · 주식회사 넥스트엑스(NEXT X) 정식 업무 자동화 솔루션

거래명세서·견적서·정산서가 PDF로 오는데, 그걸 눈으로 보며 엑셀에 다시 타이핑하고 계신가요? 표만 뽑아 자동으로 정리할 수 있습니다. 단, PDF의 종류부터 알아야 합니다.

📑 두 종류의 PDF — 접근이 다릅니다

종류	특징	처리 방법
텍스트 PDF	글자를 복사할 수 있음	바로 표 추출 (쉬움·정확)
스캔 PDF(이미지)	복사 안 됨(사진)	OCR로 글자 인식 후 추출

먼저 PDF에서 글자가 드래그·복사되는지 확인하세요. 복사되면 텍스트 PDF입니다.

⚙️ 흐름

flowchart LR
    P[PDF] --> Q{텍스트? 스캔?}
    Q -->|텍스트| T[표 직접 추출]
    Q -->|스캔| O[OCR 글자 인식]
    O --> T
    T --> C[정제·검증]
    C --> X[엑셀 저장]

🛠️ 텍스트 PDF — 표 추출 (pdfplumber)

import pdfplumber, pandas as pd

rows = []
with pdfplumber.open("거래명세서.pdf") as pdf:
    for page in pdf.pages:
        for table in page.extract_tables():
            rows += table

df = pd.DataFrame(rows[1:], columns=rows[0])  # 첫 행을 헤더로
df.to_excel("추출결과.xlsx", index=False)

🔍 스캔 PDF — OCR 먼저

스캔본은 글자가 ‘사진’이라, pytesseract(Tesseract OCR)나 클라우드 OCR API로 글자를 인식한 뒤 같은 방식으로 표를 만듭니다. 한글은 한국어 OCR 데이터가 필요합니다.

⚠️ 주의

• OCR은 100%가 아닙니다 — 숫자·금액은 반드시 검수(특히 0/O, 1/l 혼동).
• 추출 후 데이터 클렌징으로 형식을 통일하세요.
• 개인정보 문서는 처리·보관 정책을 지킵니다.

📉 도입 효과 한 줄 요약 (예시 ROI) — 하루 50장 명세서를 손으로 옮겨 적던 2~3시간이 수 분으로. 담당자 월 약 40시간 회수 + 오타 감소. (예시이며 문서 품질에 따라 다릅니다.)

📩 우리 문서로 테스트해보려면

PDF 샘플 1개만 주셔도 됩니다 — 추출 정확도부터 확인해 드립니다. → Business Inquiry · csnextx@gmail.com

관련 → 파이썬 엑셀 자동화 · 데이터 클렌징

---

📎 본 글은 주식회사 넥스트엑스(NEXT X) 기술연구소의 R&D 자산입니다. 함께 읽기 — ⚡ 자동화 대표 사례 · 📖 블로그 안내 · 📩 비즈니스 문의