HWP Parser 스킬

HWP Parser 스킬

hwpparser Python 라이브러리를 활용해 HWP/HWPX 문서를 Markdown으로 파싱·출력한다.

설치 확인 및 설치

bash복사
python3 -c "import hwpparser; print(hwpparser.__version__)" 2>/dev/null || \
  pip install git+https://github.com/HariFatherKR/hwp-parser.git --break-system-packages -q

설치가 안 되어 있으면 위 명령으로 설치한다. PyPI에 올라와 있지 않으므로 반드시 GitHub에서 직접 설치해야 한다.

파일 위치 확인

사용자가 파일을 업로드한 경우 업로드 경로를 사용한다:

bash복사
ls /mnt/user-data/uploads/

핵심 파싱 스크립트

scripts/parse_hwp.py를 실행한다. 없으면 아래 코드를 /tmp/parse_hwp.py로 직접 생성 후 실행한다.

python복사
#!/usr/bin/env python3
"""HWP/HWPX → Markdown 변환 스크립트"""
import sys
import json
import hwpparser
from pathlib import Path

def parse_to_markdown(file_path: str) -> dict:
    path = Path(file_path)
    result = {
        "file": path.name,
        "format": path.suffix.lower().lstrip("."),
        "metadata": {},
        "text": "",
        "html": "",
        "markdown": "",
        "error": None
    }

    try:
        # 메타데이터 추출
        try:
            meta = hwpparser.extract_metadata(path)
            result["metadata"] = meta
        except Exception as e:
            result["metadata"] = {"warning": str(e)}

        # 텍스트 추출
        text = hwpparser.hwp_to_text(path)
        result["text"] = text

        # HTML 추출 (구조 정보 포함)
        try:
            html = hwpparser.hwp_to_html(path)
            result["html"] = html
        except Exception:
            pass

        # Markdown 조합 (텍스트 기반)
        lines = text.strip().split("\n")
        md_lines = []
        for line in lines:
            stripped = line.strip()
            if not stripped:
                md_lines.append("")
                continue
            # 짧고 굵은 줄은 헤딩으로 추정 (20자 미만, 다음 줄이 내용)
            md_lines.append(stripped)

        result["markdown"] = "\n".join(md_lines)

    except Exception as e:
        result["error"] = str(e)

    return result


if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage: python parse_hwp.py <file.hwp|file.hwpx>", file=sys.stderr)
        sys.exit(1)

    file_path = sys.argv[1]
    output = parse_to_markdown(file_path)

    if output["error"]:
        print(f"❌ 파싱 오류: {output['error']}", file=sys.stderr)
        sys.exit(1)

    # 메타데이터 출력
    meta = output["metadata"]
    print("---")
    print(f"# 📄 {output['file']}")
    if meta:
        for k, v in meta.items():
            if v and k != "warning":
                print(f"- **{k}**: {v}")
    print("---\n")

    # 본문 Markdown 출력
    print(output["markdown"])

실행 순서

Step 1 — 파일 확인

bash복사
# 업로드된 파일 확인
ls /mnt/user-data/uploads/*.hwp /mnt/user-data/uploads/*.hwpx 2>/dev/null

Step 2 — hwpparser 설치 확인

bash복사
python3 -c "import hwpparser" 2>/dev/null || \
  pip install git+https://github.com/HariFatherKR/hwp-parser.git --break-system-packages -q

Step 3 — 스크립트 생성 및 실행

bash복사
# 스크립트를 /tmp에 저장 후 실행
python3 /tmp/parse_hwp.py "/mnt/user-data/uploads/파일명.hwp"

Step 4 — 결과 처리

파싱된 Markdown을 대화창에 출력한다. 텍스트가 길면 섹션별로 나눠 보여준다.
사용자가 파일로 저장 원하면 /mnt/user-data/outputs/파일명.md로 저장 후 present_files로 제공한다.

에러 처리

지원 포맷

HWPX는 현재 hwpparser 0.1.0 기준 입력 포맷 목록에 없을 수 있다.
입력 포맷 확인: python3 -c "import hwpparser; print(hwpparser.getsupportedinput_formats())"

Markdown 저장 (선택)

사용자가 파일 저장을 원하는 경우:

python복사
from pathlib import Path
import hwpparser

text = hwpparser.hwp_to_text("/mnt/user-data/uploads/파일명.hwp")
out_path = Path("/mnt/user-data/outputs/파일명.md")
out_path.write_text(text, encoding="utf-8")
print(f"저장 완료: {out_path}")