가이드
PDF, Word, Excel 문서를 RAG 및 LLM용 깔끔한 마크다운으로 변환하기
보안이 중요한 PDF, Word DOCX 문서, Excel 시트를 업로드 없이 구조화된 마크다운으로 추출해 벡터 청킹과 LLM 컨텍스트에 최적화합니다.
빠른 답변: LLM과 벡터 DB는 바이너리 `.pdf`, `.docx`, `.xlsx`보다 제목과 GFM 표 구조가 유지된 Markdown을 훨씬 정확하게 청킹합니다. TxtTo는 PDF.js, OOXML, 다중 시트 엑셀 파서를 브라우저 RAM에서 로컬 실행해 RAG용 Markdown을 생성합니다.
단순 PDF/DOCX 텍스트 추출이 RAG 검색 정확도를 망치는 이유
문장 중간마다 끊긴 PDF 줄바꿈, 반복되는 페이지 번호, 행이 뭉개진 표가 섞인 일반 텍스트 덩어리를 그대로 벡터 DB에 넣으면 검색 품질이 크게 떨어집니다.
시맨틱 마크다운(`#` 제목, `-` 목록, `[링크](url)`, `| 표 |` 그리드)으로 변환하면 청커(chunker)가 섹션 제목 경계를 따라 정확하게 문단을 나눌 수 있습니다.
- 글꼴 크기 휴리스틱으로 시각적 PDF 제목에서 `#` 및 `##` 계층 복원.
- 문장 중간의 끊긴 줄바꿈과 하이픈 단어를 자연스러운 문단으로 병합.
- 페이지마다 반복되는 머리글·바닥글 텍스트 자동 필터링.
자체 호스팅 PDF.js로 보안 PDF를 로컬에서 안전하게 추출
이사회 보고서, 계약서, 사내 기술 문서를 외부 PDF 변환 사이트에 올리면 기밀 유출 위험이 발생합니다. TxtTo는 외부 CDN 요청 없이 자체 호스팅된 PDF.js 워커를 브라우저 메모리에서 직접 실행합니다.
수십 페이지 문서도 브라우저 RAM 안에서 바로 처리해 벡터 임베딩이나 프롬프트에 바로 쓸 수 있는 구조화 마크다운을 만들어 줍니다.
순수 TypeScript 기반 Word (.docx) 및 Excel (.xlsx) 추출
Word `.docx` 아카이브는 내부 `word/document.xml`에 이미 `Heading1` 스타일, 하이퍼링크, 목록, `<w:tbl>` 표 구조를 담고 있습니다. OOXML을 직접 읽으면 무거운 내장 이미지를 덜어내면서 문서 구조만 깔끔히 뽑아낼 수 있습니다.
마찬가지로 Excel 통합 문서도 열이 정렬된 GFM 파이프 표로 변환되므로 LLM이 다중 열 재무 수치를 정확하게 파악할 수 있습니다.
## Q3 Architecture Metrics
| Region | Latency (ms) | Availability |
| :--- | :--- | :--- |
| US-East | 38.4 | 99.99% |
| EU-West | 42.1 | 99.98% |오프라인 토큰 카운터로 청크 크기 사전 예산 측정하기
문서를 깔끔한 마크다운으로 정리한 뒤에는 청킹이나 API 전송 전에 GPT-5, Claude 4, Gemini 2.5 컨텍스트 한도 대비 총 토큰 수를 로컬에서 확인하세요.
참고 자료
자주 묻는 질문
OCR 없는 로컬 추출 방식으로 스캔 이미지 전용 PDF도 읽을 수 있나요?
아니요. 클라이언트 사이드 PDF 추출은 선택 가능한 텍스트 레이어를 읽어 옵니다. 텍스트 층이 없는 순수 스캔 이미지 PDF는 OCR 처리가 필요합니다.
Word to Markdown 변환 시 하이퍼링크와 번호 매기기 목록도 유지되나요?
네. word/_rels/document.xml.rels 관계 파일에서 클릭 가능한 마크다운 링크를 복원하고, numbering 정의를 읽어 글머리 기호와 번호 목록을 재구성합니다.
긴 RAG 문서 안에서 원시 CSV 대신 마크다운 표를 쓰는 것이 좋은 이유는 무엇인가요?
마크다운 파이프 표는 주변 본문의 제목 계층이나 마크다운 기반 청크 분할기와 자연스럽게 어울려 표 구조가 깨지지 않습니다.
관련 파일 형식
관련 비교 페이지
관련 가이드
- 마크다운 → PDF & PDF → TXT: 보안이 유지되는 오프라인 문서 워크플로우한글 폰트를 지원하는 A4·Letter PDF로 마크다운을 내보내고, 자체 호스팅 PDF.js로 로컬 PDF에서 줄바꿈이 복구된 TXT와 마크다운을 추출합니다.
- Obsidian 및 AI 학습을 위해 EPUB 전자책을 마크다운으로 변환하기DRM 없는 EPUB 전자책을 로컬에서 OPF 스파인 순서대로 풀어 제목과 본문이 보존된 Obsidian 마크다운 노트 또는 챕터별 ZIP으로 변환합니다.
- CSV와 JSON으로 유효한 JSONL 파인튜닝 데이터셋 구축하기스프레드시트와 JSON 배열에서 OpenAI 채팅, Alpaca 및 Gemini 파인튜닝에 바로 쓸 수 있는 유효한 .jsonl 파일을 줄 단위 검증과 함께 로컬 생성합니다.