hwp-analyze

name	hwp-analyze
description	한글 파일(.hwp, .hwpx)의 구조를 분석합니다. "hwp 분석", "서식 분석", "한글 파일 구조" 요청시 사용합니다.

한글 파일 분석

입력

$ARGUMENTS

OS별 처리 방법

Windows: pyhwpx 사용 (권장)

Windows + 한글 프로그램이 설치된 환경에서는 pyhwpx를 사용합니다.

from pyhwpx import Hwp

hwp = Hwp()
hwp.open("서식.hwp")  # .hwp, .hwpx 모두 지원

# 필드 목록 조회
fields = hwp.get_field_list()
print(fields)

# 필드값 조회
for field in fields:
    value = hwp.get_field_text(field)
    print(f"{field}: {value}")

hwp.quit()

pyhwpx 설치: pip install pyhwpx

macOS/Linux: XML 직접 파싱 (.hwpx만 지원)

HWPX는 ZIP 형식의 압축 파일입니다.

hwpx파일/
├── Contents/
│   ├── section0.xml    # 본문 내용 (첫 번째 섹션)
│   ├── section1.xml    # 추가 섹션 (있는 경우)
│   └── header.xml      # 헤더 정보
├── settings.xml        # 문서 설정
└── mimetype            # 파일 타입 정보

처리 절차

1. 압축 해제

unzip -o {파일}.hwpx -d {임시디렉토리}/

2. XML 읽기: Contents/section0.xml 파일을 Read 도구로 읽습니다.

3. XML 구조 분석

네임스페이스: hp = http://www.hancom.co.kr/hwpml/2011/paragraph

태그	의미
<hp:tbl>	표 (table)
<hp:tr>	행 (table row)
<hp:tc>	셀 (table cell)
<hp:t>	텍스트 내용
<hp:p>	문단 (paragraph)

표 구조 예시:

<hp:tbl>
  <hp:tr>
    <hp:tc><hp:p><hp:t>필드명</hp:t></hp:p></hp:tc>
    <hp:tc><hp:p><hp:t>값</hp:t></hp:p></hp:tc>
  </hp:tr>
</hp:tbl>

4. 필드 추출: 2열 표에서 첫 번째 열은 필드명, 두 번째 열은 값

5. 임시 파일 정리

rm -rf {임시디렉토리}

사용자에게 알려줄 것

• 발견된 표 개수
• 채워야 할 필드 목록 (빈 칸)
• 이미 채워진 필드 (있다면)
• 다음 단계 안내 (/hwp-fill로 채우기)

주의

• macOS/Linux에서 .hwp는 지원 안 됨 → 한글에서 .hwpx로 다시 저장하라고 안내
• Windows에서는 pyhwpx로 .hwp, .hwpx 모두 지원
• 복잡한 표(병합 셀 등)는 구조가 다르게 보일 수 있음