PDF가 최종이라고요?

간혹 최종 원고가 없는 경우를 보게 된다. 종이책 PDF가 최종 버전인 것이다. 종이책 편집본에서만 원고를 수정했기 때문이다. 그리고, (매우 안타깝게도) 편집 파일이 남아 있지 않기 때문이다.

반드시 최종 원고를 보관해 두자. 전자책을 만들 때는 물론이고, 추후 개정판을 준비할 때도 필요한 건 최종 원고이다.

PDF에서 원고를 추출할 수는 있다. 하지만 그것을 그대로 쓸 수는 없다. 다음과 같은 이유 때문이다.

1. 줄바꿈
PDF에서 줄이 바뀐 부분은 추출해도 줄바꿈이 그대로 나타난다. 작업할 때는 편집 영역의 끝에 이르러 자연스럽게 내려간 것이지만, PDF는 그것(사실은 연결되었다는 사실)을 간직하고 있지 않다. 줄바꿈이 이루어진 곳이 있다면 문장도, (띄어쓰기 없이 붙어야 하는) 단어도 끊어져 나온다.

2. 필요 없는 내용
종이책에는 일반적으로 쪽번호가 매겨져 있다. 어떤 책은 각 페이지 끝(상단, 하단 혹은 바깥쪽)에 각 장의 제목 등을 배치해 놓기도 한다. PDF에서 텍스트를 추출하면 그 모든 것, 그러니까 페이지에 보이는 모든 텍스트가 나타나는 것이다.

3. 콘텐츠의 순서
2번 때문에 텍스트의 순서가 뒤죽박죽 나온다. 본문 중간중간 쪽 번호, 장 제목 등이 반복해 나타나고, 구성이 복잡한 책이라면 정리하기 더 까다롭게 나타날 것이다.

---

어쩔 수 없이 PDF 파일에서 원고를 추출해야 한다면 위 사항을 염두에 두어야 한다. 또한 그 외 오류의 가능성도 있으니 원본(PDF)과 대조하며 검토할 필요가 있다.