표를 OCR로 읽으면 왜 엑셀처럼 정리되지 않을까? 실제 읽는 순서 비교

먼저 확인한 결과

두 단 원본 옆에서 실제 추출 순서를 확인해 보세요

왼쪽 단을 끝까지 읽은 다음 오른쪽으로 넘어가길 기대했지만, 전체 이미지의 결과는 같은 높이의 항목을 이어 붙였습니다. Apple 다음에 Cherry가 오는 것을 아래 원본과 출력에서 바로 확인할 수 있습니다. 이 순서는 설명을 위해 편집한 문장이 아니라 공개 측정 자료에 남은 실제 결과입니다.

Apple 120 3                             Cherry 360 5
Banana 250 4                           Orange 480 6

Apple                                120                           3
Banana                                     250                                  4
Cherry                                      360                                  5
Orange                                     480                                  6

실측 결과: 글자와 순서는 별도로 봐야 합니다

원본 세 장 모두 항목명 네 개와 숫자 여덟 개가 정확하게 포함됐습니다. 하지만 두 단 전체의 출력 순서는 기대한 목록 순서와 달랐습니다. 아래의 12/12는 이 작은 샘플의 항목·숫자 일치 개수이며 일반적인 OCR 정확도 100%라는 뜻이 아닙니다.

두 단에서는 어디가 섞였을까

원래 왼쪽에는 Apple 120 3, Banana 250 4가 있고 오른쪽에는 Cherry 360 5, Orange 480 6이 있습니다. 전체 추출의 첫 줄은 ‘Apple 120 3 … Cherry 360 5’, 둘째 줄은 ‘Banana 250 4 … Orange 480 6’이었습니다. 왼쪽 단을 다 읽은 뒤 오른쪽 단으로 가는 대신 같은 높이의 내용을 붙였습니다.

왼쪽과 오른쪽을 각각 500×220픽셀로 잘라 같은 엔진에 넣었더니 각 단에서 두 항목씩 추출됐습니다. 왼쪽 결과 뒤에 오른쪽 결과를 연결하자 기대한 순서가 맞았습니다. 모든 두 단 문서에서 전체 추출이 실패한다는 뜻은 아닙니다. 문장 길이, 간격, 제목 배치에 따라 결과는 달라질 수 있습니다.

표는 읽혔지만 엑셀 셀은 만들어지지 않았습니다

이 단순 표는 네 행의 순서와 각 행의 항목·숫자 관계가 유지됐습니다. 결과는 ‘Apple [여러 공백] 120 [여러 공백] 3’처럼 나왔고 탭 문자는 0개였습니다. 인식 결과에는 이 값이 몇 번째 셀인지 알려주는 표 구조가 없습니다.

탭과 줄바꿈은 스프레드시트에 붙여넣을 때 열·행 구분에 쓰일 수 있지만, 이번 결과처럼 간격을 여러 공백으로 표현한 텍스트는 그대로 세 열이 된다고 기대할 수 없습니다. 병합 셀, 여러 줄 항목명, 빈 칸, 통화 기호가 있는 표는 별도 검증이 필요합니다. 이번 시험에서 엑셀 앱에 직접 붙여넣는 과정은 수행하지 않았습니다.

내 문서는 전체로 읽을까, 부분으로 나눌까

먼저 전체 추출 후 첫 두세 줄을 원본과 대조하세요. 줄을 따라 읽어야 하는 표인지, 단을 따라 읽어야 하는 본문인지부터 정하면 순서 오류를 찾기 쉽습니다.

공백 정리 전에 표인지 먼저 확인하세요

문장에는 연속 공백을 하나로 줄이는 정리가 편리하지만 표에서는 칸 사이 간격 단서가 사라집니다. 모든 줄을 연결하면 행 구분까지 없어집니다. 텍스트 정리기가 이미 뒤섞인 단의 순서나 사라진 빈 셀을 자동 복원해 주지는 않습니다.

표라면 원래 OCR 결과를 먼저 저장하고, 한 행의 세 값을 대조한 뒤 필요한 구분자를 넣으세요. ‘Red Apple’처럼 항목명 자체에 공백이 있으면 공백을 모두 탭으로 바꾸는 방식도 잘못된 열을 만듭니다. 실제 최종 붙여넣기 결과에서 열 개수를 다시 확인하는 편이 안전합니다.

• 페이지 보기공백·줄바꿈을 선택적으로 정리하는 텍스트 정리기

직접 비교할 수 있는 샘플과 원문 결과

아래 PNG를 열어 배치를 확인하거나 저장해 추출해 볼 수 있습니다. JSON에는 기대한 원문, 실제 출력의 공백과 줄바꿈, 판정, 원본 해시와 모델 해시가 들어 있습니다. 다른 글꼴로 다시 이미지를 생성하면 결과가 달라질 수 있으므로 같은 입력을 비교하려면 공개 PNG를 사용하세요.

• 원본 이미지 보기 · PNGPNG: single column
• 원본 이미지 보기 · PNGPNG: two columns
• 원본 이미지 보기 · PNGPNG: table
• 원본 이미지 보기 · PNGPNG: left column
• 원본 이미지 보기 · PNGPNG: right column

이번 실험이 말해주지 않는 것

표본은 합성 이미지 세 장과 그중 두 단의 잘라낸 이미지 두 장뿐입니다. 촬영 각도, 흐림, 한글 본문, 긴 표, 각주, 병합 셀, 브라우저별 성공률은 측정하지 않았습니다. 별도 표 복원 서비스와의 성능 비교도 아닙니다.

Tesseract 공식 문서는 표 인식에 별도 영역 분리나 배치 분석이 필요할 수 있다고 설명합니다. 이는 이번 현상을 이해하는 배경일 뿐 모든 OCR 제품이 같은 출력이나 같은 한계를 가진다는 근거는 아닙니다.