PDF의 한 문단을 복사해 메모장에 붙이면 이렇게 됩니다.
본 계약은 갑과 을의 합의에 따라 체결되며, 계약
기간은 체결일로부터 1년으로 한다. 다만 양 당사
자가 서면으로 달리 정한 경우에는 그에 따른다.화면에서는 한 문단이었는데 세 줄로 쪼개지고 줄 중간에서 단어까지 잘렸습니다.
PDF는 문단을 저장하지 않는다
워드나 한글 문서는 「이것은 하나의 문단이다」라는 정보를 저장하고, 화면 폭에 맞춰 줄바꿈 위치를 그때그때 계산합니다. 창을 좁히면 줄이 다시 나뉘는 것이 그 때문입니다.
PDF는 다릅니다. 「이 좌표에 이 글자를 그린다」는 정보로 저장합니다. 문단이라는 개념이 없고 인쇄된 종이처럼 줄 위치가 고정되어 있습니다. 그래서 복사하면 눈에 보이던 줄바꿈 위치마다 진짜 줄바꿈 문자가 들어갑니다.
순서를 잘못 잡으면 되돌릴 수 없다
여기가 가장 중요합니다. 모든 줄바꿈을 먼저 없애면 안 됩니다.
한 문단 안의 줄바꿈과 문단을 나누는 줄바꿈이 같은 문자이기 때문입니다. 전부 지우면 열 문단짜리 글이 한 덩어리가 되고 문단 경계가 어디였는지 알 방법이 사라집니다.
바른 순서는 빈 줄만 삭제 → 다중 공백을 한 칸으로 → 필요하면 줄바꿈 정리입니다. PDF는 대체로 문단이 끝나는 자리에 빈 줄이나 들여쓰기를 남기는데, 그 흔적이 있는 동안에는 문단을 되살릴 수 있습니다.
정리 작업에는 보통 되돌리기가 없습니다. 순서대로 덮어쓰기 때문입니다. 원본은 다른 창이나 파일에 남겨 두고 작업하는 습관이 안전합니다.
합쳤는데 단어가 붙어 버렸다면
PDF는 줄이 바뀌는 자리에 공백을 넣지 않습니다. 줄바꿈 자체가 단어 경계 역할을 하기 때문입니다. 그래서 줄바꿈을 그냥 지우면 계약기간은 앞에 붙어 있던 1년으로한다 같은 형태가 생깁니다.
줄바꿈을 공백으로 바꾸는 방식이 있으면 그것을 먼저 쓰면 됩니다. 이미 합친 뒤라면 영문은 소문자 뒤 대문자를 검색해 찾을 수 있지만 한글은 그 방법이 통하지 않습니다. 애초에 순서를 지키는 편이 낫습니다.
눈에 보이지 않는 문자들
「같은 글자인데 검색이 안 된다」거나 「엑셀에서 비교했는데 다르다고 나온다」면 눈에 안 보이는 문자를 의심해 볼 만합니다.
| 문자 | 증상 |
|---|---|
| 전각 문자 (ＡＢＣ１２３) | 글자 사이가 넓어 보임, 검색 안 됨 |
| 줄바꿈 없는 공백 | 공백처럼 보이는데 다른 문자 |
| 제로 폭 문자 | 안 보이는데 글자 수가 늘어남 |
| 둥근 따옴표 (“ ”) | 코드나 데이터로 쓰면 오류 |
전각 문자는 알파벳과 숫자가 한글 한 칸 너비를 차지하는 형태입니다. 사람 눈에는 글자 사이가 넓은 정도지만 컴퓨터에게는 전혀 다른 문자여서 ABC와 ＡＢＣ는 검색에서 서로 걸리지 않습니다.
둥근 따옴표는 워드나 한글이 자동으로 바꿔 놓은 것으로, 코드나 CSV에서 일반 따옴표(")와 다른 문자로 취급되어 오류가 납니다.
정리 전후로 글자 수를 세어 몇 자가 걷혔는지 보면 이런 문자가 있었는지 확인됩니다.
엑셀 한 열을 SQL IN절로 바꾸기
실무에서 자주 쓰는 조합을 적어 둡니다.
엑셀에서 주문번호 한 열을 복사하면 이렇게 붙습니다.
1001
1002
1003여기서 줄바꿈을 쉼표로 바꾸면 바로 쓸 수 있는 형태가 됩니다.
1001,1002,1003SELECT * FROM orders WHERE id IN (1001,1002,1003) 에 그대로 넣으면 됩니다. 메일 수신자 목록도 같은 방식입니다. 반대로 엑셀에 다시 붙일 때는 줄바꿈을 살려 두어야 합니다. 엑셀은 줄바꿈을 행 구분으로 읽기 때문입니다.
전화번호나 사업자등록번호 목록도 비슷합니다. 02-1234-5678, (02)1234-5678, 02 1234 5678 이 섞여 있을 때 숫자만 남기면 모두 0212345678로 맞춰집니다. 중복을 찾거나 데이터베이스에 넣기 전에 이 정리를 먼저 해 두면 일이 줄어듭니다.
붙여 넣기 전에 정리하는 습관
정리를 나중에 하면 일이 커집니다. 스캔 문서나 OCR 결과를 맞춤법 검사기에 바로 넘기면, 줄이 깨진 자리를 검사기가 문장 끝으로 오해해 엉뚱한 지적이 쏟아집니다. 빈 줄과 공백을 먼저 정리한 뒤 넘기면 정확도가 올라갑니다. 웹에서 긁어 온 표도 다중 공백을 정리해야 열 구분이 제대로 잡힙니다.
다만 들여쓰기가 의미를 가지는 글은 예외입니다. 파이썬 코드나 마크다운 목록은 공백 정리를 하면 구조가 깨집니다.