PDF 표 추출 방법 4가지 : 파이썬, 엑셀부터 대량 문서 자동화까지

PDF 표 추출 방법 4가지 : 파이썬, 엑셀부터 대량 문서 자동화까지

청구서 수백 장에서 공급가액만 뽑아 정산해야 할 때, 거래명세서를 엑셀로 옮겨 맞춰야 할 때, 우리는 늘 같은 벽에 부딪힙니다. PDF 안에 표는 분명히 보이는데, 복사해서 엑셀에 붙이면 숫자가 한 칸씩 밀리고 병합된 셀이 뭉개집니다.

그래서 검색창에는 'PDF 표 추출', 'PDF에서 표 추출', 'PDF 표 엑셀 추출'이 끊임없이 입력됩니다. 다만 정답은 하나가 아닙니다. 표가 반듯한지 병합되어 있는지, 디지털 PDF인지 스캔본인지, 몇 장을 처리하는지에 따라 맞는 방법이 달라집니다. 이 글에서는 실무에서 쓰는 네 가지 방법을 실제 절차와 함께 짚고, 내 상황에 맞는 방법을 고르는 기준까지 정리합니다.

이런 고민이라면 이 글이 도움이 됩니다

같은 'PDF 표 추출'을 검색해도 필요는 제각각입니다. 표 몇 개를 엑셀로 옮기려는 분, 파이썬이나 엑셀 사용법을 찾는 실무자, 반복 처리 코드를 찾는 개발자, 스캔본과 복잡한 표를 다뤄야 하는 기업 담당자, 매월 수백에서 수천 장의 청구서와 명세서를 처리하는 팀, 추출 결과를 ERP나 사내 시스템에 연결해야 하는 담당자까지 다양합니다. 그래서 이 글은 방법을 나열하기 전에, 상황별로 무엇이 맞는지부터 정리합니다.

핵심 요약

• PDF 표 추출은 PDF 속 표를 행과 열 구조를 유지한 채 엑셀·CSV·JSON으로 옮기는 작업입니다.

• 표가 단순하고 양이 적다면 온라인 도구나 엑셀, 동일 양식 반복이라면 파이썬으로도 충분할 수 있습니다.

• 병합 셀·중첩 표·스캔 PDF에서는 대부분의 도구가 표 구조를 놓쳐 사람이 다시 손봐야 합니다.

• 문서 양식이 다양하고 추출 이후 검수와 시스템 입력이 남아 있을 때 문서 AI 방식의 가치가 커집니다.

내 상황에 맞는 방법 먼저 확인하기

방법을 자세히 보기 전에, 아래 표에서 내 상황과 가까운 줄을 먼저 찾아보시길 권합니다.

PDF 표 추출이란 무엇인가요?

PDF 표 추출이란, PDF 문서 안의 표를 행과 열 구조를 유지한 채 엑셀·CSV·JSON처럼 편집 가능한 데이터로 옮기는 작업입니다. 글자만 뽑는 'PDF 표 텍스트 추출'과 결이 다릅니다. 텍스트만 뽑으면 숫자와 항목은 들어오지만 어떤 값이 어느 행과 열에 속하는지가 사라져, 사람이 다시 표로 맞춰야 합니다.

표 추출의 핵심은 텍스트를 뽑는 것이 아니라 셀 사이의 위치 관계를 지켜 내는 것입니다.

디지털 PDF와 스캔 PDF는 접근이 다릅니다

시작하기 전에 내 PDF가 어느 쪽인지 확인하는 것이 좋습니다. 텍스트 레이어가 살아 있는 디지털 PDF는 표의 좌표와 문자를 품고 있어 비교적 쉽게 추출됩니다. 반면 종이를 스캔하거나 사진으로 찍은 이미지 PDF는 픽셀뿐이라, 먼저 OCR로 글자를 읽어 낸 뒤에야 표로 복원할 수 있습니다. 파일 종류별 인식 차이는 OCR이 문서 업무를 어떻게 자동화하는지 글에 정리해 두었습니다.

방법 1. 파이썬으로 PDF 표 추출하기

개발 리소스가 있고 같은 양식을 반복 처리한다면 파이썬이 유연합니다. 표에 특화된 Tabula와 Camelot, 텍스트와 표를 함께 다루는 pdfplumber가 많이 쓰입니다. 아래는 pdfplumber로 첫 페이지의 표를 뽑아 엑셀로 저장하는 최소 예제입니다.

bash

# 터미널에서 필요한 라이브러리 설치
pip install pdfplumber pandas openpyxl

python

import pdfplumber
import pandas as pd

pdf_path = "sample.pdf"

try:
    with pdfplumber.open(pdf_path) as pdf:
        first_page = pdf.pages[0]            # 첫 페이지
        table = first_page.extract_table()   # 첫 번째 표 추출

    if table:
        # 첫 행을 열 이름으로 사용
        df = pd.DataFrame(table[1:], columns=table[0])
        df.to_excel("output.xlsx", index=False)
        print("엑셀 저장을 마쳤습니다.")
    else:
        print("표를 찾지 못했습니다. 스캔 PDF이거나 표 경계가 뚜렷하지 않을 수 있습니다.")

except FileNotFoundError:
    print("파일 경로를 다시 확인해 주세요.")

이 코드는 텍스트 레이어가 있는 디지털 PDF에서 잘 작동합니다. 다만 모든 문서에서 그대로 동작하지는 않습니다. 스캔본은 OCR을 먼저 붙여야 하고, 병합 셀이나 중첩 표에서는 양식이 조금만 바뀌어도 파싱 규칙을 손봐야 합니다. 거래처마다 서식이 다른 문서를 다룰 때는 유지보수 부담이 빠르게 커질 수 있습니다.

방법 2. 엑셀 Power Query로 추출하기

코드 없이 가고 싶다면 엑셀이 첫 후보입니다. 마이크로소프트 365와 2019에는 PDF에서 표를 시트로 불러오는 Power Query 커넥터가 있습니다. 순서는 다음과 같습니다.

데이터 → 데이터 가져오기 → 파일에서 → PDF에서

파일을 선택하면 문서 안의 표 목록이 나타나고, 원하는 표를 골라 시트로 불러올 수 있습니다. 폴더 안 여러 PDF를 묶어 취합하는 것도 가능합니다.

다만 환경에 따라 이 기능이 다르게 나타날 수 있습니다. 엑셀 버전과 운영체제, Power Query 지원 여부에 따라 PDF 커넥터가 없을 수 있고, 특히 오래된 버전이나 일부 맥 환경에서는 메뉴가 보이지 않을 수 있습니다. 이때는 표를 복사해 붙여넣거나 별도 변환 도구를 거쳐야 합니다. 병합 셀이나 스캔 표에서는 열이 밀리는 한계도 그대로 남습니다.

방법 3. 온라인 변환 도구와 보안 확인사항

브라우저에서 파일을 올리면 바로 엑셀로 바꿔 주는 도구들이 있습니다. 설치가 필요 없어 개인이 표 몇 개를 급히 옮길 때 편리합니다.

기업 문서에서는 두 가지를 먼저 확인해야 합니다. 첫째는 보안입니다. 대개 문서를 외부 서버로 업로드하는 구조라, 계약서나 재무제표, 개인정보가 담긴 명세서를 올리기 전에 데이터 처리 방식을 확인해야 합니다. 둘째는 용량과 정확도입니다. 무료 도구는 한 번에 처리할 수 있는 파일 수를 제한하거나 일정 시간이 지나면 결과를 삭제하는 경우가 많고, 병합이나 스캔 표의 정확도를 보장하지 않습니다. 정기적으로 반복되는 업무보다는 일회성 작업에 어울립니다.

방법 4. 문서 AI로 추출·검증·연동까지 처리하기

앞의 세 방법이 벽에 부딪히는 지점, 그러니까 여러 양식의 문서가 대량으로 들어오고 스캔본이 섞여 있으며 보안이 걸린 환경에서 등장하는 선택지가 문서 AI입니다.

문서 AI 방식은 표를 뽑는 데서 멈추지 않습니다. 문서가 들어오면 OCR이 글자와 표를 읽고, 문서 파서가 병합 셀과 중첩 표의 구조를 데이터로 정리하며, 그 결과를 검증하고, 정상 건은 자동으로 처리하고 예외 건은 사람이 확인하는 방향으로 나눈 뒤, 엑셀이나 시스템으로 연동하는 흐름까지 이어집니다. 사람은 표를 옮기는 반복 작업 대신 예외 처리에 집중하게 됩니다.

대량 문서에서는 추출 이후 검증과 연동까지 이어지는 흐름이 중요합니다.

네 가지 방법 한눈에 비교

PDF 표는 왜 자꾸 깨질까요?

방법을 바꿔도 표가 계속 깨진다면, 원인은 도구가 아니라 표 자체의 구조에 있는 경우가 많습니다. 난도가 급격히 올라가는 지점은 세 곳입니다. 병합 셀은 하나의 값이 여러 칸을 덮어 어디에 넣을지 판단이 필요하고, 중첩 표는 표 안에 또 표가 있어 경계를 구분해야 하며, 스캔이나 회전된 문서는 셀 선이 흐릿하고 기울어져 텍스트 인식만으로는 구조를 복원하기 어렵습니다.

정형 문서엔 드물지만, 여러 곳에서 대량으로 들어오는 기업 문서엔 세 가지가 함께 나타납니다.

정형화된 사내 문서만 다룬다면 이런 표는 자주 등장하지 않습니다. 문제는 금융, 보험, 제조, 물류, 공공처럼 외부에서 들어오는 문서를 대량으로 처리하는 현업입니다. 이럴 때는 표를 어떻게 뽑느냐보다 표의 구조를 어떻게 이해하느냐가 관건이 됩니다.

혹시 지금 다루는 문서가 이 세 가지에 해당한다면, 내 PDF를 직접 올려 표가 어떻게 인식되는지 DEEP Agent Demo 에서 먼저 확인해 볼 수 있습니다.

도입 전 확인할 기준

문서 AI 도입을 검토한다면, 다음을 미리 정리해 두면 상담이 빨라집니다. 처리할 문서 종류와 월 처리량, 스캔본과 병합 표의 비중, 현재 검수 방식, 필요한 결과 형식, 연동할 시스템, 그리고 SaaS로 쓸지 내부망에 구축할지 같은 보안 조건입니다. 이 조건에 따라 적합한 방식과 범위가 달라지므로, 우리 회사의 실제 표 샘플로 결과를 먼저 확인해 보는 것이 가장 정확합니다.

한국딥러닝은 문서 업무를 대신하는 3 Zero AI Worker를 만듭니다

표를 잘 뽑는 것만으로 업무가 끝나지는 않습니다.
뽑은 값을 검증하고, 이상한 건을 골라내고, 시스템에 넣는 과정이 남습니다.
한국딥러닝은 이 과정 전체를 하나로 봅니다.

DEEP OCR이 스캔·이미지 문서의 문자를 읽고,
DEEP Parser가 표와 문서 구조를 데이터로 정리하며,
DEEP Agent가 추출부터 검증과 예외 분기, 시스템 연동까지 하나의 흐름으로 잇습니다. 이 흐름이 향하는 최종 방향이 반복 문서 업무를 대신하는 3 Zero AI Worker입니다.

이 기술은 공공·금융·제조·물류 등 여러 산업의 대량 문서 현장에 도입되어 왔고, OCRBench v2 영어 부문 1위를 기록했습니다.
도입은 대개 기존 양식을 바꾸지 않고 평균 2주 안에 이뤄집니다.

3 Zero는 문서 자동화가 자주 막히는 세 지점을 겨냥합니다.

• Zero Training — 양식이 바뀔 때마다 모델을 새로 학습·구축하는 부담을 줄입니다.

• Zero Hallucination — 문서에 없는 정보를 지어내지 않고, 실제 근거로 추출한 뒤 검증합니다.

• Zero Review — 정상 건은 자동으로 처리하고, 예외와 저신뢰 항목만 사람이 확인합니다.

셋 다 부담을 완전히 없앤다는 뜻은 아니며, 사람의 몫을 크게 줄이는 방향입니다.

표가 단순하고 양이 적다면 파이썬이나 엑셀로 충분합니다. 문서 AI는 대량·비정형·보안 환경에서 값어치가 커집니다. 확장자별 접근법은 확장자별 AI OCR 도입 전략 가이드에, 표를 구조로 이해하는 원리는 문서 파서가 하는 일에 정리해 두었습니다.

자주 묻는 질문

Q1. PDF에서 표를 추출하는 가장 쉬운 방법은 무엇인가요?

표가 반듯하고 양이 적다면 온라인 변환 도구나 엑셀의 PDF 가져오기가 가장 쉽습니다. 개발이 가능하다면 파이썬의 pdfplumber나 Camelot이 유연합니다. 병합 표나 스캔본, 대량 처리에는 이 방법들이 한계가 있을 수 있습니다.

Q2. PDF 표 추출을 파이썬으로 하려면 무엇부터 해야 하나요?

pdfplumber와 pandas를 설치한 뒤, PDF를 열어 페이지에서 표를 추출하고 데이터프레임으로 바꿔 엑셀로 저장하면 됩니다. 다만 스캔 PDF는 OCR을 먼저 거쳐야 하고, 문서마다 표 구조가 달라 예외 처리가 필요할 수 있습니다.

Q3. 엑셀에서 PDF 표를 바로 가져올 수 있나요?

마이크로소프트 365와 2019에서는 데이터 가져오기의 PDF 커넥터로 표를 시트에 불러올 수 있습니다. 다만 엑셀 버전과 운영체제에 따라 이 기능이 없을 수 있어, 이 경우 복사해 붙여넣거나 별도 도구를 써야 합니다.

Q4. 스캔한 PDF의 표도 추출할 수 있나요?

됩니다. 스캔 PDF는 픽셀 이미지이므로 먼저 OCR로 글자를 읽어 낸 뒤 표 구조를 복원해야 합니다. 스캔 품질이 낮으면 정확도가 떨어질 수 있어 실제 문서로 확인하는 것을 권장합니다.

Q5. 병합 셀이 많은 복잡한 표는 어떻게 하나요?

병합과 중첩 표는 셀의 위치 관계를 이해해야 정확히 복원됩니다. 파이썬이나 엑셀, 온라인 도구는 이 부분에서 자주 어긋나므로, 대량이라면 문서 파서 기반의 구조 이해 방식을 검토하는 편이 안정적입니다.

Q6. 매월 수천 장의 문서를 처리해야 하는데 어떤 방법이 맞나요?

양이 많고 양식이 다양하며 추출 이후 검수와 시스템 입력이 남아 있다면, 추출과 검증, 연동까지 이어지는 문서 AI 기반 자동화가 현실적입니다. 우리 회사 문서로 처리 범위를 먼저 확인해 보시길 권합니다.

정리

PDF 표 추출에 하나의 정답은 없습니다. 단순한 표 소량이라면 엑셀과 온라인 도구로, 같은 양식의 반복이라면 파이썬으로 시작할 수 있습니다. 스캔본과 병합 표가 섞이고 양이 많아지며 추출 이후의 검수와 시스템 연동까지 이어져야 한다면, 그때부터 문서 AI 방식의 가치가 커집니다. 내 상황을 먼저 짚고, 필요하다면 실제 문서로 결과를 확인해 보시길 권합니다.

내 PDF로 표 추출 결과 확인하기

표가 깨지지 않고 뽑히는지 눈으로 확인하는 가장 빠른 방법은 실제로 넣어 보는 것입니다. 내 PDF를 올려 표와 텍스트가 어떻게 인식되는지 딥 에이전트 랩에서 바로 확인해 보세요.