pdf2json (Install)

PDF를 JSON/XML로 변환

pdf2json은 입력된 PDF 파일을 페이지별로 분석하여 구조화된 JSON 또는 XML 형식으로 출력합니다. 이는 PDF 내의 텍스트, 폼 요소 및 기타 콘텐츠를 기계가 처리할 수 있는 형태로 변환하는 데 유용합니다.

데이터 압축 지원

-compress 옵션을 사용하면 출력 JSON/XML 데이터를 압축하여 파일 크기를 최소화할 수 있습니다. 이는 대용량 PDF를 처리할 때 저장 공간과 전송 효율성을 높이는 데 도움이 됩니다.

페이지 범위 지정 변환

-f 옵션으로 시작 페이지, -l 옵션으로 끝 페이지를 지정하여 변환 대상 페이지 범위를 정확히 설정할 수 있습니다. 전체 문서가 아닌 특정 부분만 변환해야 할 때 유용합니다.

숨은 텍스트 및 폼 데이터 추출

-hidden 옵션을 사용하면 PDF에 숨겨진 텍스트 레이어도 출력에 포함시킬 수 있습니다. 또한 -t 옵션을 통해 폼 필드 ID와 유형을 포함한 .fields.json 파일을 생성할 수 있습니다.

다운로드·설치 방법

Windows에서는 Chocolatey 패키지 관리자를 통해 pdf2json을 쉽게 설치할 수 있습니다. 관리자 권한으로 명령 프롬프트 또는 PowerShell을 열고 다음 명령을 실행합니다:

choco install pdf2json

이 명령은 최신 버전의 pdf2json MSI 설치 프로그램을 다운로드하고 자동으로 설치합니다. 설치 완료 후 PDF2JSON 디렉터리가 시스템 PATH에 추가되어 어디서든 pdf2json 명령을 실행할 수 있습니다.

수동 설치를 원한다면 공식 GitHub 저장소에서 최신 .msi 설치 프로그램을 다운로드하여 실행할 수도 있습니다.

기본 사용법/명령어

설치 완료 후 명령 프롬프트에서 pdf2json 명령을 사용하여 PDF를 변환할 수 있습니다. 기본 사용법은 다음과 같습니다:

pdf2json [options] []

주요 옵션 설명:

• -f : 변환할 시작 페이지 번호 지정 (1부터 시작)
• -l : 변환할 끝 페이지 번호 지정
• -compress: 출력 데이터를 압축하여 크기 최소화
• -q 또는 -s: 정보 메시지 출력 억제 (오류만 출력)
• -h 또는 -help: 사용법 도움말 출력
• -i: 이미지 처리 무시 (텍스트만 추출)
• -noframes: 표준 출력으로 결과 출력 (파일 생성 대신)
• -xml: JSON 대신 XML 형식으로 출력
• -split : 출력 결과를 지정된 페이지 수마다 별도 파일로 분할
• -hidden: 숨은 텍스트 레이어도 출력에 포함
• -enc : 출력 텍스트 인코딩 지정 (예: UTF-8)
• -v: 저작권 및 버전 정보 출력
• -opw : 암호화된 PDF의 소유자 비밀번호 지정
• -upw : 암호화된 PDF의 사용자 비밀번호 지정

예시 명령:

pdf2json -f 1 -l 5 -compress report.pdf output.json

이 명령은 report.pdf의 1페이지부터 5페이지까지를 압축된 JSON 형식으로 output.json에 저장합니다.

이런 경우에 유용합니다

PDF에서 구조화된 데이터를 추출해야 하는 개발자나 데이터 분석가에게 유용합니다. 예를 들어, PDF 보고서에서 표 데이터를 JSON으로 변환하여 웹 애플리케이션이나 데이터 처리 파이프라인에 연동할 때 사용할 수 있습니다. 또한 PDF 폼에서 입력된 값을 자동으로 추출하여 데이터베이스에 저장하거나 추가 처리 워크플로에 입력으로 사용할 수 있습니다.

지원 환경·시스템 요구사항

pdf2json은 Windows 및 Linux 운영체제에서 실행 가능합니다. Windows에서는 MSI 설치 관리자를 통해 설치되며, 설치 후 C:Program Files (x86)PDF2JSON 디렉터리에 파일들이 복사되고 시스템 PATH에 등록됩니다. Linux에서는 소스 코드를 다운로드하여 configure, make, sudo make install 절차를 통해 컴파일 및 설치할 수 있습니다.

최신 버전·업데이트

현재 버전은 0.68이며, Chocolatey 패키지 저장소를 통해 배포되고 있습니다. 최신 버전 정보 및 업데이트 내역은 공식 GitHub 저장소의リリース 페이지에서 확인할 수 있습니다.

제한 사항·확인 사항

이 도구는 PDF의 텍스트 및 폼 요소를 추출하는 데 특화되어 있으며, 복잡한 레이아웃이나 이미지 기반 콘텐츠는 정확하게 처리하지 못할 수 있습니다. 암호화된 PDF를 처리하려면 -opw 또는 -upw 옵션을 통해 적절한 비밀번호를 제공해야 합니다. 또한 일부 고급 PDF 기능(예: 자바스크립트, 오디오/비디오 임베드)은 지원하지 않을 수 있습니다.