← 목록으로

Show GN: kordoc - 한컴오피스 없이 HWP·HWPX·PDF를 마크다운으로 바꾸는 파서

요약
  • 한컴오피스 없이 HWP, HWPX, PDF 등 다양한 문서 형식을 마크다운으로 변환하는 파서 'kordoc'이 공개되었습니다.
  • 표 구조를 정확하게 유지하며 로컬 OCR과 역변환 기능을 지원하고, CLI 및 Python SDK 등 다양한 환경에서 활용 가능합니다.

구청 공무원입니다. 업무 문서가 거의 HWP라서 AI에 넣으려면 복사해 붙이거나 PDF로 바꿔야 했고 표가 들어가면 병합 칸이 다 깨졌습니다. 그래서 HWP 파일 구조를 직접 읽는 파서를 만들었습니다.

기능

  • HWP 3.x·5.x, HWPX, PDF, XLSX, DOCX, PPTX, 이미지 → Markdown·JSON
  • 병합 칸 있는 표는 rowspan·colspan 그대로 HTML 표로, 원하면 GFM 파이프 표로
  • 스캔 PDF·이미지는 내장 OCR이 로컬 CPU에서 처리 (API 키 없음, KORDOC_OFFLINE=1이면 외부 통신 차단)
  • 반대 방향: Markdown → HWPX 공문서(보고서·계획서 프리셋), 기안문 양식 채우기, 두 문서 비교
  • CLI, npm 라이브러리, Python SDK, MCP 서버(Claude·Cursor·VS Code)

써 보기
npx kordoc 문서.hwp -o 문서.md
npx -y kordoc setup (AI 클라이언트에 MCP 등록)

정확도: 공개 PDF 벤치(opendataloader-bench 200문서) 종합 0.964, 한국 공문서 HWPX 2,424문서의 표 10,342개 구조 일치. 측정 조건과 재현 방법은 docs/benchmarks.md에 있습니다.

현재 한계

  • 한컴 DRM이 걸린 문서는 못 엽니다
  • HWPX 미리보기 렌더는 한컴 PDF와 비교해 글 위치가 96% 정도 맞고 수식 개체는 아직 못 그립니다
  • 행정 문서 양식이 워낙 다양해서 처음 보는 표 구조에서 틀릴 때가 있습니다

받고 싶은 피드백
잘못 읽는 HWP·PDF가 있으면 이슈에 파일과 함께 올려 주세요. 실제 문서 제보가 가장 큰 도움이 됩니다. MIT 라이선스입니다.

그냥 목록으로
원문 보기 ↗