PDF 병합/분할 가이드

PDF의 목차(북마크)와 "3장 참조" 같은 내부 링크는 페이지 번호가 아니라 문서 내부 객체를 가리킵니다. 두 문서를 합치면 페이지 번호는 이어지지만 이 참조들은 원래 문서 기준이라 엉뚱한 곳으로 가거나 아예 사라집니다. 목차가 중요한 문서라면 합친 뒤 반드시 몇 개 눌러보세요.

PDF 양식의 입력 칸은 이름으로 구분됩니다. 같은 템플릿으로 만든 문서 두 개를 합치면 name, date 같은 필드 이름이 겹치고, 뷰어에 따라 한 칸에 입력하면 다른 페이지 같은 이름 칸에도 같은 값이 들어갑니다. 서류 여러 장을 합쳐 제출할 때 실제로 사고가 나는 지점입니다. 양식이 든 문서는 각각 채운 뒤 평면화(flatten)해서 합치는 편이 안전합니다.

서명은 그 시점의 문서 바이트 전체에 대한 것입니다. 페이지를 하나만 추가해도 문서가 바뀌므로 서명은 "문서가 변경됨"으로 표시됩니다. 서명된 PDF는 합치는 대상이 아니라 첨부하는 대상입니다.

A4 문서와 스캔한 Letter 크기 문서를 합치면 그대로 섞인 채 남습니다. 화면에서는 티가 안 나지만 인쇄하면 여백이 다르게 나옵니다. 인쇄해서 제출할 문서라면 합치기 전에 크기를 맞추세요.

같은 글꼴을 쓰는 문서 두 개를 합치면 글꼴이 두 번 임베드될 수 있습니다. 반대로 잘 만들어진 도구는 중복을 정리해 합보다 작게 만듭니다. 결과 크기가 예상과 다르면 이게 원인입니다.

스캐너나 휴대폰으로 찍은 PDF는 페이지 전체가 이미지 한 장입니다. 사람 눈에는 글자로 보이지만 파일 안에는 글자 데이터가 없습니다. 추출 결과가 비어 있다면 대개 이 경우입니다. 이때 필요한 건 추출이 아니라 OCR 텍스트 추출입니다.

PDF는 글자를 "이 좌표에 이 글리프를 그려라"로 저장합니다. 문단이나 읽는 순서 개념이 없습니다. 그래서 2단 편집 문서는 좌우 단이 한 줄씩 번갈아 나오고, 표는 셀 구분이 사라집니다. 추출 결과를 그대로 쓰기보다 텍스트 정리기로 줄바꿈과 공백을 먼저 정리하는 편이 빠릅니다.

글꼴이 임베드될 때 글리프 번호와 유니코드를 잇는 표(ToUnicode CMap)가 빠지면 추출 시 글자를 복원할 수 없습니다. 특정 프로그램으로 만든 오래된 문서에서 자주 봅니다. 이건 추출 도구의 문제가 아니라 원본 문서의 문제이므로 OCR로 돌아가는 편이 확실합니다.