Menü
문서 파일(HWP, HWPX, PDF, XLSX, DOCX, PPTX, PPT, XLS, DOC, ODF)을 Markdown으로 변환합니다. 스캔 PDF는 OCR 자동 실행, 이미지는 Claude 멀티모달로 해석합니다.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | parse-doc |
| description | 문서 파일(HWP, HWPX, PDF, XLSX, DOCX, PPTX, PPT, XLS, DOC, ODF)을 Markdown으로 변환합니다. 스캔 PDF는 OCR 자동 실행, 이미지는 Claude 멀티모달로 해석합니다. |
| when_to_use | hwp 읽어줘, pdf 변환해줘, 엑셀 내용 보여줘, 문서를 마크다운으로. 외부용 재작성은 rewrite-external. |
| allowed-tools | Read, Write, Bash, Glob |
.local.claude/docs/original/에 있는 문서를 Markdown으로 변환하여 .local.claude/docs/parsed/에 저장한다.
내부적으로 kordoc(HWP/HWPX/PDF/XLSX/DOCX)과 python-pptx(PPTX/PPT)를 사용하지만, 사용자는 파일 확장자만 신경 쓰면 된다.
| 데이터 | 경로 | 필수/선택 | 부재 시 동작 |
|---|---|---|---|
| 프로젝트 컨텍스트 | CLAUDE.md | 선택 | 일반 가정으로 진행, [프로젝트 규칙 미확인] 태그 |
| 봇 인덱스 | bot/INDEX.md 또는 .local.claude/ONBOARDING.md | 선택 | 디렉터리 Glob 으로 fallback |
| 비즈니스 규칙 | .local.claude/biz-rules.md | 선택 | 일반 SW 관점으로만 진행 (Tier 1) |
| 모듈 상세 | .local.claude/modules/{name}.md | 선택 | 코드 Grep 직접 fallback |
| 원본 디렉터리 | .local.claude/docs/original/ | 필수 | "원본 없음. original/ 에 파일 배치 후 재시도" 안내 후 종료 |
| 파서 도구 | pptx2md.py, pdf_images.py, Tesseract | 선택 | 미설치 시 "미지원" + 설치 가이드 제공 |
| OCR 언어팩 | Tesseract kor / eng 팩 | 선택 | 미설치 시 OCR 생략, 이미지 텍스트 인식 불가 |
| 질문 | 담당 | 이 스킬에서 |
|---|---|---|
| "바이너리, 외부 문서(HWP/PDF/XLSX 등)를 Markdown 으로 변환" | 이 스킬 | ✓ 핵심 (포맷 변환까지) |
| "변환된 문서에서 지식 추출과 지식 베이스 반영" | /absorb | 다루지 않음 (parse-doc 산출물을 absorb 입력으로 사용) |
| "parsed/ 누적 문서 흡수 확인, 아카이브, 만료 관리" | /garden | 다루지 않음 (수명 관리는 garden) |
| "사람용/AI용 이중 문서 분리와 재구성" | /dualize-docs | 다루지 않음 (이 스킬은 원본을 Markdown 으로 변환하는 것까지만) |
.local.claude/docs/
├── original/ ← 원본 파일을 여기에 놓기
└── parsed/ ← 파싱된 Markdown 출력
| 입력 | 동작 |
|---|---|
/parse-doc 파일명.hwp | original/ 내 해당 파일을 파싱 |
/parse-doc 파일명.pptx | 동일 |
/parse-doc *.pdf | original/ 내 모든 PDF 파싱 |
/parse-doc (인자 없음) | original/ 내 미파싱 파일 전체 자동 파싱 |
/parse-doc list | original/과 parsed/ 현황 표시 |
[1M 활용] 다음을 단일 메시지에서 병렬로 호출:
- Bash 병렬:
ls .local.claude/docs/original/,ls .local.claude/docs/parsed/,which tesseract/which npx/py --version등 파서 도구 가용성 확인, 각 파일 확장자별 파싱 명령(kordoc / pptx2md / officeparser) 을 여러 파일에 대해 동시 실행- Read: 이미 파싱된
.local.claude/docs/parsed/*.md목록을 병렬로 확인(스킵 판단)- Glob: 인자가 패턴(
ls .local.claude/docs/original/
인자가 있으면 해당 파일만, 없으면 전체 파일 대상.
| 확장자 | 파서 | 명령어 |
|---|---|---|
.hwp | kordoc | npx kordoc "{파일}" -o "{출력}.md" --silent |
.hwpx | kordoc | 동일 |
.pdf | kordoc | 동일 |
.xlsx | kordoc | 동일 |
.docx | kordoc | 동일 |
.pptx | python-pptx | py .claude/skills/parse-doc/pptx2md.py "{파일}" "{출력}.md" |
.xls | xlrd | py .claude/skills/parse-doc/xls2md.py "{파일}" "{출력}.md" |
.ppt | officeParser | npx officeparser "{파일}" --toText=true > "{출력}.md" |
.doc | officeParser | 동일 |
.odt/.odp/.ods | officeParser | 동일 |
출력 파일명: 원본 파일명에서 확장자만 .md로 변경.
예: 회의록.hwp 는 회의록.md 로.
각 파일에 대해:
# 파일 존재 확인
FILE=".local.claude/docs/original/{파일명}"
if [ ! -f "$FILE" ]; then
echo "파일을 찾을 수 없습니다: $FILE"
exit 1
fi
# 확장자 추출
EXT="${FILE##*.}"
BASENAME=$(basename "$FILE" ".$EXT")
OUTPUT=".local.claude/docs/parsed/${BASENAME}.md"
# 이미 파싱된 파일은 스킵 (강제 재파싱은 --force)
if [ -f "$OUTPUT" ]; then
echo "이미 파싱됨: $OUTPUT (재파싱하려면 삭제 후 재실행)"
fi
# 확장자별 라우팅
case "$EXT" in
hwp|hwpx|xlsx|docx)
npx kordoc "$FILE" -o "$OUTPUT" --silent
;;
pdf)
npx kordoc "$FILE" -o "$OUTPUT" --silent
# 스캔 PDF 감지: kordoc 결과가 빈 텍스트면 OCR 시도
if [ ! -s "$OUTPUT" ] || [ "$(wc -c < "$OUTPUT")" -lt 50 ]; then
echo "[WARN] 텍스트가 거의 없음 — 스캔 PDF로 판단, OCR 시도..."
py .claude/skills/parse-doc/ocr_pdf.py "$FILE" "$OUTPUT"
fi
# PDF 이미지 추출 (텍스트 파싱과 별도)
py .claude/skills/parse-doc/pdf_images.py "$FILE" ".local.claude/docs/parsed/images"
;;
pptx)
py .claude/skills/parse-doc/pptx2md.py "$FILE" "$OUTPUT"
;;
xls)
py .claude/skills/parse-doc/xls2md.py "$FILE" "$OUTPUT"
;;
ppt|doc|odt|odp|ods)
npx officeparser "$FILE" --toText=true > "$OUTPUT"
;;
txt|csv|json|xml|md)
echo "텍스트 파일 — Read 도구로 직접 읽기 가능. 파싱 불필요."
;;
png|jpg|jpeg|gif|bmp|tiff)
echo "이미지 파일 — Read 도구로 읽으면 Claude 멀티모달로 해석 가능."
;;
*)
echo "미지원: .$EXT"
;;
esac
파싱 불가능하거나 실패한 파일이 있으면, 왜 안 되는지 + 대안 2가지(변환/라이브러리 설치)를 안내한다.
| 확장자 | 상태 | 비고 |
|---|---|---|
.ppt | [OK] 지원 | officeParser (텍스트 추출 수준) |
.doc | [OK] 지원 | officeParser |
.xls | [OK] 지원 | xlrd 로 Markdown 테이블 변환 |
.odt/.odp/.ods | [OK] 지원 | officeParser |
.txt/.csv/.json/.xml | 파싱 불필요 | Read 도구로 직접 읽기 안내 |
이미지(.png/.jpg) | 파싱 불필요 | Read 도구로 읽으면 Claude 멀티모달 해석 안내 |
| 실패 원인 | 증상 | 대안 1: 변환 | 대안 2: 라이브러리 |
|---|---|---|---|
| 암호화된 HWP | kordoc 에러 또는 빈 출력 | 암호 해제 후 재저장 | kordoc 배포용 복호화 시도, 실패 시 원본 작성자에게 요청 |
| 스캔 PDF (이미지 PDF) | 빈 문자열 또는 깨진 텍스트 | Adobe Acrobat에서 OCR 적용 후 재저장 | 아래 Tesseract 설치 가이드 참조 |
| 대용량 PDF (100MB+) | 타임아웃 | 페이지 분할: npx kordoc 파일.pdf --pages 1-20 | 없음 |
| PPTX 차트/SmartArt | 해당 요소만 텍스트 미추출 | 없음 | 차트는 이미지로 추출되므로 Claude 멀티모달 해석으로 대체 |
| HWP/HWPX 이미지 | kordoc이 이미지 미추출 | HWP를 PDF로 변환 후 pdf_images.py로 추출 | 한컴오피스에서 PDF로 내보낸 뒤 kordoc(텍스트) + pdf_images.py(이미지) |
스캔 PDF나 이미지 파일의 텍스트 추출이 필요할 때:
winget install UB-Mannheim.TesseractOCRtessdata/kor.traineddata 수동 추가winget install poppler 또는 GitHub에서 다운로드 후 PATH 추가py -m pip install pytesseract pdf2image (이미 설치됨)대안 2(라이브러리)를 사용자가 선택하면, 설치 명령을 안내하고 스킬 라우팅 테이블에 추가할지 제안한다.
| 포맷 | 추출 도구 | 실행 |
|---|---|---|
| PPTX | pptx2md.py (python-pptx) | 텍스트 파싱과 동시에 자동 추출 |
| pdf_images.py (PyMuPDF) | kordoc 파싱 후 별도 실행: py .claude/skills/parse-doc/pdf_images.py "{파일}" ".local.claude/docs/parsed/images" | |
| HWP/HWPX | 없음 | 현재 추출 도구 없음 (미지원) |
PDF 이미지 추출 시 5KB 미만 소형 이미지(아이콘, 장식)는 자동 스킵.
파싱 완료 후 parsed/images/에 이미지가 있으면:
> **[이미지 해석]** 시스템 아키텍처 다이어그램. 클라이언트에서 API Gateway 를 거쳐 마이크로서비스 3개(인증, 주문, 재고), 그 뒤 PostgreSQL DB 로 이어지는 구조.
파싱 완료 후:
파싱 완료:
| 파일 | 파서 | 결과 | 크기 |
|------|------|------|------|
| 회의록.hwp | kordoc | [OK] 회의록.md | 2.3KB |
| 발표자료.pptx | officeParser | [OK] 발표자료.md | 5.1KB |
파싱된 파일은 `.local.claude/docs/parsed/`에 저장되었습니다.
내용을 확인하려면 Read로 직접 읽으세요.
echo "=== original/ ==="
ls -la .local.claude/docs/original/
echo "=== parsed/ ==="
ls -la .local.claude/docs/parsed/
미파싱 파일 표시:
| 원본 파일 | 파싱 상태 |
|----------|----------|
| 회의록.hwp | [OK] parsed/회의록.md |
| 발표자료.pptx | [FAIL] 미파싱 |
original/ 디렉터리의 모든 파일을 스캔하여:
파싱 완료 후, 문서 성격에 따라 다음 작업을 안내한다:
| 문서 성격 | 판단 기준 (파일명/내용 키워드) | 안내 |
|---|---|---|
| 요구사항/RFP/제안요청 | "요구", "RFP", "제안", "사양", "규격" | /daily-todos에 할 일 추출, 또는 .local.claude/projects/에 PRD 초안 생성 |
| 회의록/미팅노트 | "회의", "미팅", "minutes", "논의" | 요약 + 액션 아이템 추출을 제안 |
| 규격서/기술문서 | "spec", "규격", "표준", "기술" | /biz-rules에 관련 규칙 추출 반영 검토 |
| 고객사 자료 | 고객사명 (.local.claude/customers/ 파일명 매칭) | .local.claude/customers/{고객사}.md 업데이트 검토 |
| 기타 | 없음 | "파싱 완료. 이 문서로 무엇을 하시겠습니까?" |
안내는 제안만 한다. 자동 실행하지 않음.
| 산출물 | 임계 1 (알림) | 임계 2 (분리) |
|---|---|---|
parsed/{file}.md (변환 결과) | 500줄 | 원본 페이지, 시트, 섹션 단위로 분할 출력 (예: {file}-part1.md) |
parsed/images/ 누적 | 50개 | 문서별 하위 디렉터리(parsed/images/{문서명}/)로 그룹화 |
parsed/ 산출물은 즉시 자동 로드 대상이 아니므로(@ 미사용) 임계는 가독성과 후속 흡수 효율 기준. 대용량 PDF(100MB+ / 200페이지+)는 pages 분할로 변환 자체를 나눈다 (검증 시나리오 참조). 누적 정리와 아카이브는 /garden 위임.
.local.claude/docs/original/에 위치해야 함공통 3블록(빈 / 부분 / 풀 데이터)은 CONTRACT 6-1절 참조.
[의존성 부재] Tesseract / pptx2md / 기타 변환 도구 미설치
which tesseract / pptx2md --version 실패[환경/규모] PDF 200페이지 이상
pages 파라미터 분할 권장 + timeout 경고 표시, 부분 처리 후 병합 전략 안내지정 디렉터리의 문서를 심층 분석하여 지식을 추출하고, 기존 문서 갱신 + 신규 문서 생성으로 프로젝트 지식 베이스에 반영합니다.
기술 의사결정 기록 (Architecture Decision Record). 중요한 기술적 결정의 맥락, 대안, 근거를 구조화하여 기록합니다.
현재 디렉터리의 내용을 분석하여 어떤 목적의 폴더인지 파악
슬랙/메일/메신저로 받은 업무 요청 메시지를 분석하여 의도, 핵심 내용, 판단, 액션 플랜, 대응 가이드를 정리합니다.
비즈니스 규칙, 도메인 규칙, 상태 전이 규칙을 하나의 문서로 관리합니다. 변경 이력이 누적됩니다.
열린 질문, 문제 해결, 기술 의사결정, 아이디어 발산을 구조화합니다. 회의록이나 메모 파일 경로를 인자로 전달하거나 직접 질문하세요.