kordoc 2.3.0 → 2.4.0

package/README.md

@@ -28,13 +28,20 @@ HWP, HWPX, PDF, XLSX, DOCX — 관공서에서 쏟아지는 모든 문서를 파
 
 ---
 
-## v2.3.0 변경사항
+## v2.4.0 변경사항
+
+- **🔓 HWPX DRM 배포용 문서 자동 추출** — 공공기관 배포용 DRM이 걸린 HWPX 파일을 한컴 오피스 COM API로 자동 텍스트 추출. `manifest.xml`에서 암호화 감지 → `HWPFrame.HwpObject`의 `GetPageText`로 페이지별 추출 → Markdown 변환. Windows + 한컴 오피스 설치 환경에서 별도 설정 없이 동작.
+
+<details>
+<summary>v2.3.0 변경사항</summary>
 
 - **📄 HWPML 2.x 파서 추가** — XML 기반 한컴 문서(`.hwp` XML 방식) 파싱 지원. `npx kordoc <file.hwp>`에서 `지원하지 않는 파일 형식` 오류가 나던 XML 기반 공문서를 이제 Markdown으로 변환할 수 있습니다. HWP 5.x 바이너리와 자동 구분(XML 시그니처 감지).
 - **🧩 중첩 테이블 마커** — HWPX/HWP5에서 셀 내부 중첩 테이블이 있던 위치에 `[중첩 테이블 #N]` 마커 삽입. 큰 중첩 테이블(≥3행 + ≥2열)은 별도 블록으로 분리, 작은 것은 셀 내 평탄화. HWP5는 기존에 내용이 완전히 손실되던 것을 마커로 복구.
 - **🖼️ HWPX 이미지 추출 버그 수정** — `binaryItemIDRef`가 확장자 없이(`"image1"`) 저장된 HWPX에서 이미지 추출이 실패하던 문제 해결. ZIP 내 파일명 regex 매칭으로 복원.
 - **📄 PDF 머리글/바닥글 감지 개선** — 텍스트 반복 패턴 + y좌표 클러스터링 하이브리드. 페이지마다 달라지는 동적 머리글(챕터명 등)도 위치 기반으로 감지. 감지 영역 10% → 12%로 확장.
 
+</details>
+
 <details>
 <summary>v2.2.4 변경사항</summary>
 

package/dist/{chunk-OEJJPCMM.js → chunk-KSBPABBQ.js}

@@ -20,7 +20,7 @@ import {
   sanitizeHref,
   stripDtd,
   toArrayBuffer
-} from "./chunk-Z7UPTVMX.js";
+} from "./chunk-VJPDY4YT.js";
 import {
   parsePageRange
 } from "./chunk-MOL7MDBG.js";
@@ -29,6 +29,100 @@ import {
 import JSZip from "jszip";
 import { inflateRawSync } from "zlib";
 import { DOMParser } from "@xmldom/xmldom";
+
+// src/hwpx/com-fallback.ts
+import { execFileSync } from "child_process";
+import { platform } from "os";
+function isComFallbackAvailable() {
+  return platform() === "win32";
+}
+function isEncryptedHwpx(manifestXml) {
+  return manifestXml.includes("encryption-data");
+}
+function extractTextViaCom(filePath) {
+  if (!isComFallbackAvailable()) {
+    throw new Error("COM fallback\uC740 Windows\uC5D0\uC11C\uB9CC \uC0AC\uC6A9 \uAC00\uB2A5\uD569\uB2C8\uB2E4");
+  }
+  const escaped = filePath.replace(/'/g, "''");
+  const ps1 = `
+[Console]::OutputEncoding = [System.Text.Encoding]::UTF8
+$ErrorActionPreference = 'Stop'
+try {
+  $hwp = New-Object -ComObject HWPFrame.HwpObject
+  $hwp.RegisterModule('FilePathCheckerModule', 'FilePathCheckerModuleExample') | Out-Null
+  $hwp.Open('${escaped}', '', '') | Out-Null
+  $pc = $hwp.PageCount
+  $result = @{ pageCount = $pc; pages = @() }
+  for ($p = 1; $p -le $pc; $p++) {
+    $t = $hwp.GetPageText($p, 0)
+    $result.pages += @($t)
+  }
+  $hwp.Clear(1)
+  [System.Runtime.InteropServices.Marshal]::ReleaseComObject($hwp) | Out-Null
+  $result | ConvertTo-Json -Depth 3 -Compress
+} catch {
+  @{ error = $_.Exception.Message } | ConvertTo-Json -Compress
+}
+`;
+  const stdout = execFileSync("powershell", [
+    "-NoProfile",
+    "-NonInteractive",
+    "-ExecutionPolicy",
+    "Bypass",
+    "-Command",
+    ps1
+  ], {
+    encoding: "utf-8",
+    timeout: 12e4,
+    // 2분 타임아웃
+    windowsHide: true,
+    maxBuffer: 50 * 1024 * 1024
+    // 50MB
+  });
+  const trimmed = stdout.trim();
+  const jsonStart = trimmed.indexOf("{");
+  if (jsonStart < 0) throw new Error(`COM \uCD9C\uB825\uC5D0 JSON\uC774 \uC5C6\uC2B5\uB2C8\uB2E4: ${trimmed.slice(0, 200)}`);
+  const json = JSON.parse(trimmed.slice(jsonStart));
+  if (json.error) {
+    throw new Error(`COM \uD14D\uC2A4\uD2B8 \uCD94\uCD9C \uC2E4\uD328: ${json.error}`);
+  }
+  const warnings = [];
+  const pages = Array.isArray(json.pages) ? json.pages : [];
+  const pageCount = json.pageCount ?? pages.length;
+  if (pages.length === 0) {
+    warnings.push({ message: "COM\uC73C\uB85C \uD14D\uC2A4\uD2B8\uB97C \uCD94\uCD9C\uD558\uC9C0 \uBABB\uD588\uC2B5\uB2C8\uB2E4", code: "COM_EMPTY" });
+  }
+  return { pages, pageCount, warnings };
+}
+function comResultToParseResult(pages, pageCount, warnings) {
+  const blocks = [];
+  const lines = [];
+  for (let i = 0; i < pages.length; i++) {
+    const text = (pages[i] ?? "").trim();
+    if (!text) continue;
+    const paragraphs = text.split(/\n/);
+    for (const para of paragraphs) {
+      const trimmed = para.trim();
+      if (!trimmed) continue;
+      blocks.push({ type: "paragraph", text: trimmed, pageNumber: i + 1 });
+      lines.push(trimmed);
+    }
+  }
+  const markdown = lines.join("\n\n");
+  const metadata = { pageCount };
+  warnings.push({
+    message: "DRM \uBB38\uC11C: \uD55C\uCEF4 COM API\uB85C \uD14D\uC2A4\uD2B8 \uCD94\uCD9C (\uC11C\uC2DD/\uD45C \uC815\uBCF4 \uC81C\uD55C\uC801)",
+    code: "DRM_COM_FALLBACK"
+  });
+  return {
+    markdown,
+    blocks,
+    metadata,
+    warnings: warnings.length > 0 ? warnings : void 0
+  };
+}
+
+// src/hwpx/parser.ts
 var MAX_DECOMPRESS_SIZE = 100 * 1024 * 1024;
 var MAX_ZIP_ENTRIES = 500;
 function clampSpan(val, max) {
@@ -133,6 +227,19 @@ async function parseHwpxDocument(buffer, options) {
   if (actualEntryCount > MAX_ZIP_ENTRIES) {
     throw new KordocError("ZIP \uC5D4\uD2B8\uB9AC \uC218 \uCD08\uACFC (ZIP bomb \uC758\uC2EC)");
   }
+  const manifestFile = zip.file("META-INF/manifest.xml");
+  if (manifestFile) {
+    const manifestXml = await manifestFile.async("text");
+    if (isEncryptedHwpx(manifestXml)) {
+      if (isComFallbackAvailable() && options?.filePath) {
+        const { pages, pageCount, warnings: warnings2 } = extractTextViaCom(options.filePath);
+        if (pages.some((p) => p && p.trim().length > 0)) {
+          return comResultToParseResult(pages, pageCount, warnings2);
+        }
+      }
+      throw new KordocError("DRM \uC554\uD638\uD654\uB41C HWPX \uD30C\uC77C\uC785\uB2C8\uB2E4. Windows + \uD55C\uCEF4 \uC624\uD53C\uC2A4 \uC124\uCE58 \uC2DC \uC790\uB3D9 \uCD94\uCD9C\uB429\uB2C8\uB2E4.");
+    }
+  }
   const decompressed = { total: 0 };
   const metadata = {};
   await extractHwpxMetadata(zip, metadata, decompressed);
@@ -4543,6 +4650,7 @@ function countSections(body) {
 // src/index.ts
 async function parse(input, options) {
   let buffer;
+  const opts = typeof input === "string" && !options?.filePath ? { ...options, filePath: input } : options;
   if (typeof input === "string") {
     try {
       const buf = await readFile(input);
@@ -4563,16 +4671,16 @@ async function parse(input, options) {
   switch (format) {
     case "hwpx": {
       const zipFormat = await detectZipFormat(buffer);
-      if (zipFormat === "xlsx") return parseXlsx(buffer, options);
-      if (zipFormat === "docx") return parseDocx(buffer, options);
-      return parseHwpx(buffer, options);
+      if (zipFormat === "xlsx") return parseXlsx(buffer, opts);
+      if (zipFormat === "docx") return parseDocx(buffer, opts);
+      return parseHwpx(buffer, opts);
     }
     case "hwp":
-      return parseHwp(buffer, options);
+      return parseHwp(buffer, opts);
     case "hwpml":
-      return parseHwpml(buffer, options);
+      return parseHwpml(buffer, opts);
     case "pdf":
-      return parsePdf(buffer, options);
+      return parsePdf(buffer, opts);
     default:
       return { success: false, fileType: "unknown", error: "\uC9C0\uC6D0\uD558\uC9C0 \uC54A\uB294 \uD30C\uC77C \uD615\uC2DD\uC785\uB2C8\uB2E4.", code: "UNSUPPORTED_FORMAT" };
   }
@@ -4596,7 +4704,7 @@ async function parseHwp(buffer, options) {
 async function parsePdf(buffer, options) {
   let parsePdfDocument;
   try {
-    const mod = await import("./parser-4LKJXBPP.js");
+    const mod = await import("./parser-4275GJRB.js");
     parsePdfDocument = mod.parsePdfDocument;
   } catch {
     return {
@@ -4826,4 +4934,4 @@ export {
   compare,
   parse
 };
-//# sourceMappingURL=chunk-OEJJPCMM.js.map
+//# sourceMappingURL=chunk-KSBPABBQ.js.map