본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

문서 파싱

문서 파싱(document parsing)은 PDF, 스캔본, 슬라이드, 스프레드시트 같은 파일을 소프트웨어가 쓸 수 있는 구조화된 텍스트로 바꾸는 작업입니다. 평평한 문자열이 아니라 제목, 읽는 순서, 표, 이미지를 유지합니다.

다른 이름: PDF parsing, document AI

작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식

대부분의 업무 지식은 깨끗한 텍스트가 아니라 PDF와 오피스 파일에 있습니다. 모델이 이를 검색하거나 이에 대한 질문에 답하려면, 먼저 무언가가 각 페이지를 구조가 유지된 텍스트로 바꿔야 합니다. 그것이 문서 파싱이며, 그 품질이 그 위에 만든 모든 검색 증강 생성 시스템의 상한을 정합니다.

작동 방식

파서는 먼저 파일에 이미 들어 있는 텍스트를 읽습니다. 스캔한 페이지에는 광학 문자 인식을 실행합니다. 그다음 레이아웃 분석으로 제목, 문단, 그림, 각주를 찾아 읽는 순서대로 놓고, 표 추출로 행과 셀을 다시 만듭니다. 출력은 보통 이 구조를 유지한 Markdown이나 JSON이며, 바로 청킹할 수 있습니다.

도구에는 두 계열이 있습니다. Docling과 Marker 같은 파이프라인 파서는 레이아웃, OCR, 표를 위한 전문 모델을 연결합니다. 더 새로운 파서는 페이지 이미지를 비전 언어 모델에 보내 내용을 적어 달라고 합니다. LlamaParse와 Reducto 같은 호스팅 API는 두 방식 중 하나를 서비스로 제공합니다.

한계

다단 레이아웃, 회전된 스캔본, 손글씨, 차트, 여러 페이지에 걸친 표는 여전히 파서를 곤란하게 합니다. 비전 모델 파서는 페이지에 없는 텍스트를 지어낼 수도 있는데, 이는 환각의 한 형태입니다. 아카이브 전체를 색인하기 전에 자신의 문서 표본으로 출력을 원본과 대조하십시오. 문서 파싱 가이드에서 선택지를 비교합니다.

관련 용어

광학 문자 인식(OCR)
광학 문자 인식(optical character recognition, OCR)은 스캔한 페이지, 사진, 스크린샷 같은 이미지에서 텍스트를 읽어, 검색하거나 복사하거나 모델에 넣을 수 있는 기계 판독 문자로 바꾸는 소프트웨어입니다.
비전 언어 모델(Vision-language model)
비전 언어 모델(vision-language model, VLM)은 이미지와 텍스트를 입력으로 받아 텍스트를 내놓는 모델로, 그림을 설명하고, 그림에 관한 질문에 답하고, 문서를 읽고, 스크린샷에서 데이터를 추출할 수 있습니다.
레이아웃 분석
레이아웃 분석(layout analysis)은 문서 파싱의 한 부분으로, 페이지에서 제목, 문단, 표, 그림, 캡션, 바닥글 같은 영역을 찾아 각각에 레이블을 붙이고, 사람이 읽는 순서를 알아냅니다.
표 추출(Table extraction)
표 추출(table extraction)은 문서에서 표를 찾아 그 행, 열, 머리글, 셀을 흩어진 텍스트 줄이 아니라 HTML, Markdown, CSV 같은 구조화된 데이터로 다시 만드는 작업입니다.
청킹
청킹(chunking)은 긴 문서를 임베딩하고 색인하기 전에 더 작은 구절로 나누는 단계로, 검색 시스템이 문서 가운데 질의에 답하는 부분만 찾아 돌려줄 수 있게 합니다.

출처