그렇다면 오픈소스 무료 도구인 타불라(Tabula) 를 사용해보자. PDF 파일 안에 속박된 데이터 테이블을 임의로 추출할 수 있다. 타불라는 나이트-모질라(Knight-Mozilla) 오픈뉴스(OpenNews), 뉴욕타임즈( New York Times) 와 라 나씨온(La Nación) DATA등 수많은 언론사들이 모여 만든 도구다.
타불라를 사용하려면 해당 웹사이트에서 소프트웨어를 내려 받는다. 타불라는 사용자의 브라우저를 기반으로 로컬에서 작동하며, 자바 6 또는 7과 호환되는 JRE(Java Runtime Environment)가 설치돼 있어야 한다. PDF 파일을 불러온 뒤, 스프레드시트 등의 데이터로 변환하려는 테이블 영역을 선택한다. CSV이나 TSV 파일로 저장하거나 클립보드로 복사할 수 있다.
데이터를 저장하기 전에 데이터가 어떤 식으로 표현되는지 미리 확인해볼 수 있다. 어떤 영역을 선택하느냐에 따라서 열 또는 행을 놓칠 공산이 있기 때문이다.
타불라 프로젝트에서 제작한 30초 비디오를 보면 윈도우에서 어떻게 동작하는지를 확인해볼 수 있다. OS X와 리눅스 버전의 타불라도 이용할 수 있다.
타불라는 편집 가능한 텍스트 형태의 PDF에서만 테이블 데이터를 추출할 수 있으며, OCR 소프트웨어가 아니므로 스캔된 이미지에서는 동작하지 않는다. 또 한가지 주의할 것은 간단한 형태의 테이블에서 가장 잘 동작하며, 한 셀에 여러 행 또는 열이 존재할 경우에는 제대로 동작하지 않을 수 있다는 점을 주의해야 한다. editor@itworld.co.kr