텍스트 선택 안 되는 스캔 문서, 브라우저 확장으로 통째로 긁어오기 (github.com)

한줄 요약

브라우저 확장 하나로 텍스트 선택 불가 문서를 완전 오프라인 OCR 자동화한다.

어떤 상황에서 필요한가?

스캔된 PDF 뷰어, 드래그 선택을 막아놓은 문서 리더, 슬라이드 덱 웹 뷰어. 이런 환경에서 수백 페이지 분량의 텍스트를 뽑아내야 할 때 개발자들이 보통 선택하는 경로는 두 가지다. 클라우드 OCR API를 붙이거나, 로컬에 Python 환경을 구성하고 Tesseract를 직접 돌리거나. 두 방법 모두 세팅 비용이 작지 않고, 민감한 문서라면 외부 API로 이미지를 내보내는 것 자체가 부담이다.

ocr-it은 이 문제를 브라우저 확장 형태로 해결한다. Tesseract를 번들로 내장해 OCR을 완전히 로컬에서 처리하고, 별도 설치나 API 키 없이 동작한다. Chrome 116+와 Firefox 140+ 모두 지원하며, MIT 라이선스 오픈소스다.

실무적으로 가장 유용한 시나리오는 이렇다. 레거시 시스템에서 뽑은 스캔 계약서 묶음, 구형 포맷의 기술 문서, 외부 서비스에서 텍스트 복사를 막아둔 리포트. 이런 파일들을 LLM에 넣어 요약하거나 검색 가능한 형태로 만들어야 할 때, 이 도구가 가장 빠른 경로가 된다.

핵심 구현 방법

워크플로는 세 단계로 단순하다.

영역 고정 → ⌥⇧R 단축키로 캡처할 사각형 영역을 드래그해 지정한다. 픽셀 단위 조정은 방향키로, 크기 조정은 ⇧ 조합으로 가능하다. 한 번 지정하면 이후 페이지에서는 동일한 좌표를 재사용한다.

수동 캡처 → ⌥⇧S를 누를 때마다 지정 영역을 스크린샷으로 찍고 OCR을 백그라운드에서 돌린다. 결과 텍스트는 누적 트랜스크립트에 자동으로 이어 붙는다. 페이지를 넘기고 다시 단축키를 누르는 것을 반복하면 된다.

자동 실행 → ⌥⇧A를 누르면 자동 모드가 시작된다. 캡처 → 페이지 넘기기 → 캡처를 문서 끝까지 반복한다. 도구가 직접 페이지 넘기기를 처리하기 때문에 사람이 옆에 붙어있을 필요가 없다.

권한 설계도 눈여겨볼 만하다. 설치 시점에 어떤 사이트 접근권도 요청하지 않는다. 단건 캡처는 activeTab 권한만으로 처리하고, 자동 실행이나 크로스 오리진 iframe 내 페이지 넘기기가 필요할 때만 팝업에서 해당 사이트에 대한 권한 부여를 요청한다. 확장이 외부로 어떤 요청도 보내지 않는다는 점은 민감한 문서 작업 환경에서 중요한 조건이다.

빌드 없이 바로 쓰려면 GitHub 릴리스 페이지에서 브라우저별 zip을 받으면 된다. Chrome은 압축 해제 후 chrome://extensions → 개발자 모드 → 압축 해제된 확장 로드, Firefox는 about:debugging → 임시 부가 기능 로드 순서로 설치한다. 직접 빌드하려면 npm run build 하나로 build/chrome과 build/firefox 디렉터리가 생성된다.

실전에서 주의할 점

몇 가지 운용 시 유의사항이 있다.

단축키 충돌 확인이 필수다. Chrome은 단축키가 다른 확장과 충돌할 경우 조용히 빈칸으로 남긴다. 설치 후 반드시 chrome://extensions/shortcuts에서 세 개의 단축키가 정상적으로 할당됐는지 확인해야 한다.

캡처 영역은 텍스트 마진 안쪽으로 잡는다. 영역 안에 들어온 모든 것을 OCR이 읽기 때문에 페이지 번호나 헤더가 포함되면 결과 텍스트에 섞인다. 실제 본문 텍스트 영역보다 조금 좁게 설정하는 게 깔끔하다.

Firefox는 임시 설치만 가능하다. 브라우저를 종료하면 확장이 언로드된다. 영구 설치를 원한다면 Mozilla의 서명 절차를 거쳐야 한다. 저장소의 PUBLISHING.md에 관련 가이드가 있다.

자동 실행은 크로스 오리진 iframe에서 추가 권한이 필요하다. 외부 서비스의 뷰어를 iframe으로 임베드한 페이지라면 팝업의 Allow 버튼으로 해당 사이트 권한을 부여한 뒤 자동 실행을 시작해야 한다.

Tesseract 기반이라는 특성상 인쇄 품질이 낮거나 심하게 기울어진 스캔 문서에서는 정확도가 떨어질 수 있다. 공식 저장소에 별도 벤치마크 페이지가 있으니 사용 전에 참고할 만하다.

결과물은 그대로 LLM에 붙여넣기 좋은 형태로 나온다. 수백 페이지짜리 스캔 문서가 텍스트 파일 하나가 되면 Claude나 ChatGPT로 요약, 검색, 질의 응답이 바로 가능해진다. 개발 외주나 사내 자동화 도구 검토 시 이런 오픈소스 레이어를 먼저 검증하고 들어가는 게 공수를 아끼는 방법이다.