PDF를 Word로 바꿀 때 실제로 일어나는 일, 단계 로그로 보기

PDF를 편집 가능한 문서로 바꾸는 일은 보통 하나의 동작으로 설명됩니다. 그렇지 않습니다. 이 사이트의 실제 실행에는 기록된 여덟 단계가 있고, 그중 두 개는 파이프라인이 스스로 복구한 실패입니다. 이 로그는 가격과 실패 동작을 동시에 설명하므로 읽을 가치가 있습니다.

성공한 작업 하나의 단계 로그

inspect_document              pypdf-docx-editable     884 ms
  extract_document_content     pypdf-docx-editable     644 ms
  render_document_page         pypdf-docx-editable     482 ms  error: unsupported_renderer
  convert_to_editable_document compact_spacing         424 ms  error: strategy_requires_optimization
  convert_to_editable_document (retry)                1357 ms
  validate_editable_document                           4289 ms
  optimize_document_candidate  compact_spacing        1040 ms
  validate_editable_document (after optimise)          3875 ms

이 중 두 줄은 오류인데도 작업은 성공했습니다. 그것이 설계입니다. 한 단계의 오류는 루프가 사용할 정보이며 문서에 대한 판결이 아닙니다.

왜 자기 출력을 렌더링하는가

가장 중요한 단계는 validate_editable_document이고 가장 오래 걸립니다. 이 실행에서는 4.3초였습니다. 하는 일은 방금 만든 DOCX를 다시 이미지로 렌더링해 원본 페이지와 비교하는 것입니다. 텍스트 커버리지, 빠진 숫자, 표 구조, 병합 셀, 테두리, 페이지 밖 텍스트.

여기가 "변환이 실행됐다"와 "변환이 쓸 만한 것을 만들었다"의 차이입니다. 파일을 쓰고 멈추는 파이프라인은 그 파일이 맞는지 알지 못합니다. DOCX XML만 읽는 검사기는 문단 존재를 확인할 수 있지만 렌더링된 페이지에서는 텍스트 절반이 사라졌을 수 있습니다. 다시 렌더링하는 것이 그것을 알아내는 방법입니다.

세 번째 단계의 unsupported_renderer 오류는 같은 생각의 정직한 형태입니다. 시도한 렌더러가 작업을 못 하므로, 검증을 건너뛰고 출력을 확인한 척하는 대신 그렇게 말합니다.

복구 루프

검증이 문제를 찾아도 파이프라인은 즉시 실패하지 않습니다. 후보를 최적화하고—이 실행에서는 넘친 내용을 담는 compact_spacing 전략—다시 검증합니다. 로그의 두 변환은 같은 문서를 다른 전략으로 두 번 변환한 것이고, 첫 시도는 두 번째 전에 최적화 게이트에서 명시적으로 거부되었습니다.

이 사이트에서 성공 작업이 35~70초, 실패가 12~32초인 이유입니다. 실패는 루프를 중단하고 성공은 끝까지 실행하며 최소 한 번의 완전한 재렌더링과 비교를 포함합니다. 느린 경로에 비용을 지불하는 것이 핵심입니다. 빠른 경로가 만드는 것은 문제 없어 보이지만 한 열이 빠진 문서입니다.

여기서 실패의 의미

이 사이트에 기록된 변환은 7건 실패, 9건 성공입니다. 7건 모두 같은 오류 코드 agent_execution_failed를 가지며, 과금이나 네트워크 문제가 아니라 복구 시도를 모두 소진했다는 뜻입니다. 모두 파일이 게시되지 않았고 예약 크레딧이 해제되었습니다.

재시도 여부를 판단할 때 이 구분이 중요합니다. 여기서 실패는 서비스 중단이 아니라 문서에 대한 진술입니다. 같은 파일을 다시 올리면 보통 같은 방식으로 실패합니다. 더 선명한 스캔이나 사진이 아닌 디지털 PDF로 바꿔야 결과가 달라집니다.

성공한 결과에도 남는 경고

이 사이트의 모든 성공한 변환은 layout_approximate 경고를 동반하며, 이는 결함을 변명하는 것이 아닙니다. 고정 레이아웃 페이지를 흐르는 문서로 바꾸는 이상 글꼴과 간격이 원본과 일치할 수 없습니다. 원본에는 유지할 재배치 구조가 없었기 때문입니다. 페이지 이미지라면 정확히 일치하지만 아무것도 편집할 수 없어 목적을 잃습니다.

어느 쪽이 필요한지 파악하는 것이 결정의 대부분입니다. 똑같이 보여야 한다면 PDF가 필요하고 Word가 아닙니다. 편집 가능해야 한다면 근사 레이아웃이 대가이며, 유용한 질문은 텍스트·숫자·표가 살아남았는가가 됩니다. 그것이 바로 검증 단계가 재는 것입니다.