번역 PDF가 한 쪽 늘면 모델보다 글자 크기를 먼저 줄인다

커뮤니티용 텔레그램 봇에는 PDF를 받아 번역본 PDF를 돌려주는 기능이 있다. 조건이 하나 있는데, 번역본이 원본과 같은 쪽수여야 한다. 2026년 7월부터 10월까지 이 조건 주변에서 네 번 문제가 났고, 그때마다 “모델에게 다시 만들게 하기” 앞에 검사를 하나씩 끼워 넣었다. 번역 품질 얘기는 여기 없다.

번역은 모델이 맡는다. 모델이 번역된 내용을 HTML로 내놓으면 WeasyPrint로 PDF를 렌더하고, 렌더한 PDF는 게이트를 통과해야 발송된다. 통과하지 못하면 모델에게 다시 만들게 하고 재시도는 5번까지 한다. 그 안에 통과한 판이 없으면 그중 하나를 best-effort라고 표시해 보낸다.

처음 게이트가 본 것은 세 가지였다. 쪽수가 원본과 같은가, 마지막 페이지가 충분히 채워졌는가, 내용이 빠지지 않았는가.

7월 초: 겹친 판이 게이트를 통과했다

긴 텍스트가 옆 상자와 겹쳐 글자가 뭉개졌는데 게이트는 통과했다. 겹쳐서라도 2쪽에 욱여넣은 출력은 세 조건을 모두 만족한다. 쪽수를 지키라는 압력은 있고 겹치면 안 된다는 검사는 없으니, 겹친 판이 가장 쉽게 통과하는 판이 됐다.

WeasyPrint가 만든 PDF에는 실제 텍스트와 정확한 글리프 좌표가 들어 있어서, 겹침은 모델에게 물어볼 필요 없이 좌표로 판정할 수 있다. PyMuPDF로 페이지의 텍스트 span을 꺼내 쌍마다 사각형이 겹치는지 본다.

a, b = spans[i], spans[j]                    # (x0, y0, x1, y1, text)
iy = min(a[3], b[3]) - max(a[1], b[1])
ix = min(a[2], b[2]) - max(a[0], b[0])
if iy <= 0 or ix <= 0:
    continue
vfrac = iy / max(1e-3, min(a[3] - a[1], b[3] - b[1]))
hfrac = ix / max(1e-3, min(a[2] - a[0], b[2] - b[0]))
if vfrac < 0.5 or hfrac < 0.3:
    continue
hits.append((a[4], b[4]))

세로로 작은 쪽 높이의 절반 이상, 가로로 작은 쪽 폭의 30% 이상 겹치면 충돌로 본다. 글자가 한 개뿐인 span은 뺐다. 기호나 이모지 같은 장식은 좌표가 믿을 만하지 않았다. 문제의 출력에서는 6건이 잡혔고, 깨끗한 원본과 깨끗한 출력에서는 0건이었다.

같은 때 생성 쪽도 손봤지만 여기서는 적지 않는다. 게이트 쪽에서 하나 더 바꾼 것은 best-effort의 선택 기준이다. 전에는 마지막 시도를 보냈고, 이제는 시도마다 점수를 매겨 가장 나은 판을 보낸다. 세 번째 시도가 깨끗했는데 다섯 번째가 겹쳤다면 세 번째를 보내야 한다.

8월 말: 2쪽 원본이 “3/2쪽” 표시만 달고 나갔다

1쪽의 오른쪽 단이 통째로 비었고 2쪽 왼쪽 단에는 문장 중간에서 잘린 두 줄만 있었다. 그 판이 그대로 나갔다.

원인이 두 겹이었다. 먼저 용지. 렌더용 CSS의 @page size가 Letter로 하드코딩돼 있었다. 원본은 A4 가로(폭 841pt)였는데 Letter 가로(792pt)로 뽑았으니 폭이 49pt 좁았다. 번역문은 원문보다 글자 수가 약 2.2배였고(2,733자가 5,987자가 됐다), 이 49pt가 2단 조판을 넘기는 마지막 한 방이었다. 분량이 53% 적은 다른 문서는 같은 설정으로 간신히 버텼고, 그래서 그쪽만 멀쩡해 보였다. 이제는 소스 PDF의 실제 용지 크기와 방향을 읽어 @page에 넣는다. 표준 규격이 아니면 mm 값으로 넣고, 읽지 못하면 A4로 둔다.

다음은 채움 검사다. “마지막 페이지에서 잉크가 세로로 어디까지 내려왔나”라는 숫자 하나였는데, 이 숫자는 앞 페이지를 전혀 보지 않고 가로 방향의 빈칸도 보지 못한다. 반쪽이 빈 페이지가 둘 있는 3쪽짜리 출력이 채움율 93.5%를 받았다.

빈칸 검사를 새로 붙였고 축을 둘로 잡았다. 하나로는 절반을 놓친다.

  • 페이지 폭 사용률: 내용이 차지한 폭이 가장 넓은 페이지보다 훨씬 좁은 페이지를 잡는다. 빈 단이 맨 오른쪽이면 여백과 붙어 버려서 단 사이의 간격이 보이지 않는다. 단을 나눠 보는 검사로는 이 경우를 잡을 수 없다.
  • 단별 세로 채움: 단 사이 간격이 있는 페이지에서 단마다 따로 잰다. 단 안에서 일찍 끊긴 경우는 폭으로는 잡히지 않는다.

마지막 페이지가 일찍 끝나는 것은 정상이라 면제했다. 실제 파일로 확인하니 문제의 출력은 옛 게이트에서 93.5%로 통과하던 것이 새 게이트에서 2건으로 걸렸고, 멀쩡한 출력과 원본들에서는 오탐이 없었다.

9월 말과 10월 중순: 게이트는 잡았는데 다섯 번 다 실패했다

9월 말에는 높이를 고정한 2단 상자가 넘치자 WeasyPrint가 페이지 오른쪽 바깥에 세 번째 단을 열었고, 한 항목의 끝부분이 거기로 사라졌다. 쪽수는 맞는데 문장이 없었다. 10월 중순에는 나란히 놓인 두 칸 중 왼쪽이 조금 넘치자 오른쪽 칸 전체가 다음 쪽으로 밀렸다. 1쪽 오른쪽이 백지가 되고 없던 3쪽이 생겼다.

앞의 두 번과 달리 게이트는 문제를 잡았다. 그런데 모델 재시도 5번이 모두 실패했다.

두 경우 모두 넘친 분량보다 넘친 뒤의 동작이 문제였다. 약간의 초과가 문장 유실이나 백지 반쪽으로 바뀐다.

모델이 다섯 번 안에 왜 맞추지 못했는지는 따로 분석하지 않았다. 다만 이런 초과에 필요한 변화는 글자를 몇 퍼센트 줄이는 정도이고, 그 일은 모델 없이 문자열 치환으로 할 수 있다.

_FONT_SIZE_RE = re.compile(r"(font-size\s*:\s*)(\d+(?:\.\d+)?)(pt|px)\b", re.I)

def _scale_font_sizes(html: str, factor: float) -> str:
    return _FONT_SIZE_RE.sub(
        lambda m: f"{m.group(1)}{float(m.group(2)) * factor:.2f}{m.group(3)}", html)

절대 단위로 적힌 font-size에 배율을 곱한다. em이나 % 같은 상대 크기는 기준이 되는 부모의 글자 크기가 줄면 따라서 줄어든다. 이걸 단계별로 적용해 다시 렌더하고, 이미 만들어 둔 검사들을 그대로 돌린다. 아래는 간추린 코드다.

_OVERFLOW_SHRINK_STEPS = (0.96, 0.92, 0.88, 0.85, 0.82)

async def _rescue_overflow(html, target_pages):
    for factor in _OVERFLOW_SHRINK_STEPS:
        cand = _scale_font_sizes(html, factor)
        if cand == html:
            return None                  # 줄일 절대 크기 글꼴이 없다
        pdf = await build_pdf_from_html(cand)
        if count_pdf_pages(pdf) > target_pages:
            continue
        if detect_clipped_text(pdf, cand) or detect_text_overlaps(pdf):
            continue
        if detect_layout_gaps(render_pages(pdf)):
            continue
        return cand, pdf
    return None

목표 쪽수에 들어오고 잘림, 겹침, 빈 단이 모두 없는 첫 판을 쓴다. 조건을 만족하는 배율이 없으면 예전처럼 모델 재시도로 넘어간다. 이 구조(rescue) 시도는 모델 호출이 없어서 렌더 시간만 든다.

9월에 먼저 넣은 잘림 구조는 단계가 0.96에서 0.85까지이고 마지막 수가 하나 더 있다. 가장 작은 배율에서도 잘리면 상자의 높이 고정을 풀어 넘친 내용을 다음 쪽으로 흘린다. 쪽수 조건은 어기게 되지만 한 쪽 더가 문장 유실보다 낫다. 9월의 원본으로 다시 돌렸을 때는 3회차 시도에서 0.88배로 구조돼 2쪽으로 나왔고 잘림, 겹침, 누락이 모두 0이었다.

9월에 잘린 판이 뽑힌 건 점수 순서 때문이었다

9월에 잘린 판이 나간 직접적인 이유는 따로 있었다. best-effort 점수가 “쪽수 초과”를 “잘림”보다 나쁘게 치고 있었다. 문장은 다 있지만 3쪽인 판보다 2쪽이지만 문장이 사라진 판이 이겼다. 경고 문구에서도 잘림은 빈 단 경고 아래에 묻혀 있었다.

def _candidate_score(target_pages, actual_pages, last_fill,
                     n_missing, n_overlaps, n_gaps=0, n_clipped=0) -> tuple:
    fill_gap = abs(0.9 - last_fill)
    return (n_clipped, n_overlaps, max(0, actual_pages - target_pages),
            n_missing, n_gaps, fill_gap)

튜플 비교라 앞에 놓인 항목이 먼저 결정한다. 잘림을 맨 앞에 뒀다. 읽는 사람이 모르는 채로 문장을 잃는 것이 가장 나쁘고, 그다음이 읽을 수 없는 겹침, 그다음이 쪽수 초과다.

네 번을 겪고 나서 바뀐 것.

  • 게이트를 빠져나간 실패를 눈으로 보면, 렌더된 PDF의 좌표나 픽셀로 판정하는 검사를 하나 붙인다.
  • 숫자 하나짜리 검사를 만들면 그 숫자가 못 보는 방향을 옆에 적어 둔다. 세로 채움율 93.5%에 한 번 속았다.
  • 모델에게 다시 시키기 전에 모델 없이 되는 더 싼 수가 있는지부터 본다.