🐍 파이썬 초보자 가이드 : PDF 정복하기(예제 중심)! 📄✨

안녕하세요, 코딩 친구 여러분! 👋 복잡해 보이는 PDF 파일 처리, 파이썬을 이용하면 생각보다 쉽고 재미있게 할 수 있다는 사실, 알고 계셨나요? 🧐 오늘 우리는 초보자도 쉽게 따라 할 수 있는 예제 중심의 PDF 처리 방법을 배워볼 거예요. 이 가이드만 있다면, 지루했던 PDF 문서 작업이 순식간에 자동화될 수 있습니다! 🚀

1. 왜 파이썬으로 PDF를 처리해야 할까요? 🤔

PDF(Portable Document Format)는 문서의 레이아웃을 유지하며 공유하기 위한 표준 형식입니다. 보고서, 계약서, 논문 등 정말 다양한 곳에서 사용되죠. 하지만 이 많은 문서를 수동으로 처리하는 건 정말 고된 일입니다.

• ⚡️ 자동화: 수백 장의 PDF에서 특정 정보를 추출하거나, 여러 파일을 하나로 합치는 작업을 순식간에 처리할 수 있어요.

• 🛠️ 데이터 추출: PDF는 구조화된 데이터(JSON, CSV 등)가 아니기 때문에, 파이썬을 이용해 필요한 텍스트나 표를 정확하게 뽑아낼 수 있습니다.

• 🔄 일괄 처리: 여러 개의 PDF 파일을 동시에 수정하거나 변환하는 것이 가능합니다.

파이썬에는 PDF 처리를 위한 강력한 라이브러리들이 많지만, 오늘은 가장 대중적이고 사용하기 쉬운 **PyPDF2**와 텍스트 추출에 유용한 **pdfminer.six**를 중심으로 알아볼게요!

2. 준비물: 라이브러리 설치하기 📥

가장 먼저 터미널이나 명령 프롬프트에서 필요한 라이브러리들을 설치해야 합니다.

Bash

pip install PyPDF2
pip install pdfminer.six

3. PDF 합치기: 결혼은 하나로! 🔗 (PyPDF2)

여러 개의 보고서나 장을 하나의 최종 PDF 파일로 합쳐야 할 때가 많습니다. PyPDF2의 PdfMerger 클래스를 사용하면 간단하게 해결돼요!

Python

import PyPDF2

# PdfMerger 객체 생성
merger = PyPDF2.PdfMerger()

# 합칠 파일들의 리스트 (예시 파일명)
file_list = ['chapter1.pdf', 'chapter2.pdf', 'appendix.pdf']

for filename in file_list:
    # 각 파일을 merger에 추가
    try:
        merger.append(filename)
    except FileNotFoundError:
        print(f"경고: 파일 {filename}을 찾을 수 없습니다. 건너뜁니다.")
        continue

# 새로운 파일로 저장
# 'wb'는 Write Binary (바이너리 쓰기) 모드를 의미합니다.
with open("combined_document.pdf", "wb") as output_file:
    merger.write(output_file)

merger.close()

print("🎉 PDF 파일 합치기 완료! 'combined_document.pdf'를 확인하세요.")

✅ 잠깐 팁! merger.append(filename, pages=(0, 2)) 와 같이 pages 인수를 사용하면, 파일의 첫 페이지부터 3번째 페이지 (인덱스 2 직전) 까지만 가져와 합칠 수도 있습니다.

---

4. PDF에서 텍스트 추출하기: 정보는 소중하니까! 🕵️‍♀️ (PyPDF2 & pdfminer.six)

PDF에서 텍스트를 추출하는 것은 데이터 분석의 첫걸음입니다. 간단한 추출은 PyPDF2로 충분하지만, 복잡한 레이아웃의 텍스트를 정확하게 추출하려면 pdfminer.six가 더 강력할 수 있습니다.

A. 간단한 텍스트 추출 (PyPDF2)

페이지 번호, 제목 등 간단한 정보만 필요할 때 유용합니다.

Python

import PyPDF2

# 파일을 바이너리 읽기 모드('rb')로 엽니다.
try:
    with open('report.pdf', 'rb') as file:
        reader = PyPDF2.PdfReader(file)
        
        # 전체 페이지 수 확인
        num_pages = len(reader.pages)
        print(f"문서의 총 페이지 수: {num_pages}장")
        
        # 첫 번째 페이지(인덱스 0)에서 텍스트 추출
        first_page = reader.pages[0]
        text = first_page.extract_text()
        
        # 추출된 텍스트 출력 (일부만)
        print("\n--- 첫 페이지 텍스트 (앞부분 500자) ---")
        print(text[:500] + "...")
        print("--------------------------------------")
        
except FileNotFoundError:
    print("❌ 'report.pdf' 파일을 찾을 수 없습니다. 파일을 확인해주세요.")
except Exception as e:
    print(f"⚠️ 텍스트 추출 중 오류 발생: {e}")

B. 고급 텍스트 추출 (pdfminer.six)

pdfminer.six는 텍스트의 위치 정보까지 보존하며 추출할 수 있어, 복잡한 표나 다단 편집 문서를 처리할 때 유리합니다. 사용법은 다소 복잡하지만, 아래 코드를 통해 쉽게 접근할 수 있습니다.¹

Python

from io import StringIO
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfdocument import PDFDocument
from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.pdfpage import PDFPage
from pdfminer.pdfparser import PDFParser

def extract_text_from_pdf(pdf_path):
    output_string = StringIO()
    
    with open(pdf_path, 'rb') as in_file:
        parser = PDFParser(in_file)
        doc = PDFDocument(parser)
        rsrcmgr = PDFResourceManager()
        
        # LAParams 설정: 텍스트 레이아웃 분석 매개변수
        # detect_vertical=True는 수직 텍스트 감지에 도움을 줍니다.
        laparams = LAParams(line_overlap=0.5, char_margin=2.0, word_margin=0.1, line_margin=0.5, boxes_flow=0.5, detect_vertical=False)
        
        # TextConverter: 추출된 내용을 output_string에 쓰도록 설정
        device = TextConverter(rsrcmgr, output_string, laparams=laparams)
        interpreter = PDFPageInterpreter(rsrcmgr, device)
        
        # 모든 페이지를 순회하며 텍스트 추출
        for page in PDFPage.create_pages(doc):
            interpreter.process_page(page)

    return output_string.getvalue()

# 사용 예시
try:
    full_text = extract_text_from_pdf('report.pdf')
    print("\n--- pdfminer.six 추출 텍스트 (앞부분 500자) ---")
    print(full_text[:500] + "...")
    print("----------------------------------------------")
except FileNotFoundError:
    print("❌ 'report.pdf' 파일을 찾을 수 없습니다.")
except Exception as e:
    print(f"⚠️ pdfminer.six 추출 중 오류 발생: {e}")

---

5. PDF 페이지 회전 및 암호화/복호화 🔒 (PyPDF2)

문서의 보안을 강화하거나, 스캔된 문서의 방향을 수정할 때 유용합니다.

A. 특정 페이지 회전하기 ↩️

스캔된 문서 중 일부 페이지가 거꾸로 되어있을 때 사용합니다.

Python

# 'rotate_original.pdf'를 열어 'rotated_output.pdf'로 저장한다고 가정
try:
    with open('rotate_original.pdf', 'rb') as input_file:
        reader = PyPDF2.PdfReader(input_file)
        writer = PyPDF2.PdfWriter()
        
        for i in range(len(reader.pages)):
            page = reader.pages[i]
            
            # 2번째 페이지 (인덱스 1)를 시계 방향으로 90도 회전
            if i == 1:
                page.rotate(90)
                print(f"✔️ {i+1}번째 페이지를 90도 회전했습니다.")
            
            writer.add_page(page)

        with open('rotated_output.pdf', 'wb') as output_file:
            writer.write(output_file)

        print("🎉 페이지 회전이 완료되었습니다!")

except FileNotFoundError:
    print("❌ 'rotate_original.pdf' 파일을 찾을 수 없습니다.")

B. PDF 암호 설정하기 🔐

중요한 문서를 보호하기 위해 암호를 설정할 수 있습니다.

Python

try:
    with open('protected_original.pdf', 'rb') as input_file:
        reader = PyPDF2.PdfReader(input_file)
        writer = PyPDF2.PdfWriter()

        # 원본 페이지를 모두 새로운 Writer에 복사
        for page in reader.pages:
            writer.add_page(page)

        # 암호 설정 (암호: '1234')
        # 경고: 이 방식은 강력한 암호화가 아니므로 중요한 문서는 더 강력한 도구를 사용하세요.
        writer.encrypt('1234')

        with open('protected_output.pdf', 'wb') as output_file:
            writer.write(output_file)
            
        print("🎉 PDF에 암호 '1234' 설정 완료!")

except FileNotFoundError:
    print("❌ 'protected_original.pdf' 파일을 찾을 수 없습니다.")

6. 마무리하며: PDF 처리, 이제 두렵지 않아요! 💪

파이썬을 이용한 PDF 처리는 여기서 보여드린 것보다 훨씬 많은 기능을 제공합니다. PyPDF2와 pdfminer.six 외에도 데이터를 표 형식으로 추출하는 데 특화된 **tabula-py**나, PDF를 이미지로 변환하는 Pillow 등 유용한 라이브러리가 많습니다.

오늘 배운 기본 지식과 예제를 바탕으로, 여러분의 일상 업무나 학습 과정에서 발생하는 PDF 처리 문제를 파이썬으로 스마트하게 해결해 보세요! 코딩 실력도 늘고, 시간도 절약하는 일석이조의 효과를 누릴 수 있을 거예요.