kordoc 4.12.1 → 4.12.3

package/README.md

@@ -89,6 +89,28 @@ MCP 등록 대신 스킬(SKILL.md) 형태로 쓰려면:
 
 ---
 
+## v4.12.3 변경사항
+
+공문서 작성 쪽 라운드. 실결재 기안문 206건·보고서 337건의 항목부호 단계별 글꼴을 실측해 **위계 폰트 옵션**을 넣고, 표기법 검수의 쌍점·날짜 룰 오탐을 법정 서식 근거로 좁혔습니다. 별표 코퍼스 3차(183쌍)를 더해 게이트 모수는 hwpx ~1,390·pdf ~950·hwp쌍 ~860 입니다.
+
+- **🔤 위계 폰트 `levels`**: 항목부호 단계(0~7)마다 글꼴·크기·굵기를 지정합니다 — `--levels "0=HY견고딕/17/bold,1=한컴돋움/15/bold,2=휴먼명조/14"`, MCP `levels`. 실측: 법정 8단계(1. 가. 1))는 본문과 동일이 90% 라 기본값은 그대로이고, 전자결재 기안문의 □/ㅇ/- 계열은 □ HY견고딕 +2~3pt 굵게 · ㅇ 한컴돋움 굵게 · - 휴먼명조가 지배 관행입니다(`docs/gongmunseo-reference.md` 2.7). 내어쓰기 폭도 그 단계 글자 크기로 맞춥니다. 미지정이면 산출물 불변.
+- **📝 표기법 룰 좁힘**: `COLON_SPACE` 는 표 셀을 건너뜁니다 — 법정 별지서식 자체가 "성 명 :" 라벨 셀을 쓰므로(서식 595건의 표 셀 801건 전부 라벨) 규칙 대상이 아닙니다. 본문의 "일 시 : 값"(기안문 206건 중 100건, 414건)은 편람상 위반이라 그대로 경고합니다. HTML 태그·마크다운 강조 닫힘 뒤 쌍점("성명:</td>", "과정:** 붙임") 오탐도 제거. `DATE_NO_SPACE` 는 법제처 연혁 표기(`<개정 2012.2.14>`·`삭제 <2016.2.29.>`·`[시행일:2017.9.8.]`)를 제외합니다(서식 156건 → 10건). 기안문의 문서번호 인용 "○○과-123(2026.7.1.)호"(103건)는 편람 날짜 표기 위반이라 유지.
+- **📄 PDF 가운뎃점**: 한컴 PDF 가 가운뎃점(ㆍ)을 조합형 아래아(U+119E)로 내던 것을 되돌립니다(별지서식 573쌍 실측 340자·41문서).
+- **📄 PDF 1×1 표 줄 보존**: 선서문 안쪽 상자처럼 중첩표 없는 1×1 표는 줄마다 문단으로 내어 "선 서 나는 헌법을 …" 처럼 제목 줄이 본문에 붙지 않습니다(표 셀 줄바꿈 보존 정책과 정합).
+- **📄 PDF 제목 아래 틀**: 테두리 없는 1칸 틀(별표 1×1 프레임·선서문 바깥 틀)을 "페이지 반복 클립" 으로 가르려던 가설은 반증됐고(본문 영역 클립은 쪽마다 좌표가 다르고 별표는 1쪽), 대신 **제목 아래(윗변 ≥ 20%)·본문 폭(≥ 60%)·위에 글이 있는** 컨테이너를 틀로 봅니다. 채용공고 2단 상자는 폭 조건으로 제외(pdf-table-gt 게이트 유지).
+- **🖋️ HWP 결재 기호 하나 더**: 한컴 PDF 실렌더로 확인한 네모 안 "인"(U+F00E1, HWP5 A0E1)을 "(인)" 으로 냅니다. HWP5 하이픈 제어문자(0x18)는 한컴이 그리지 않으므로("60g/㎡") 더 이상 "-" 를 내지 않습니다.
+- **📊 별표 코퍼스 3차**: `licbyl-byl2/` 183쌍(seed 20260907). 하위 30건 분해 — 1×1 틀 PDF 미감지 8 · HWP 레이아웃 해체 vs PDF 1열 유지 15 · 구조 차 7(수식 셀·쪽 경계 셀 분할·줄바꿈, 파서 결함 없음). HWP↔PDF 셀 일치 별표 0.728 → 0.746, 3차 0.772 → 0.787, 서식 0.965 유지.
+
+
+별지서식 라운드 2. 코퍼스를 서식 279쌍·별표 90쌍 더 모아(총 1,995파일) HWP·HWPX·PDF 세 파서가 **같은 IR 모양**을 내도록 맞췄습니다. HWP↔PDF 셀 텍스트 일치 0.927 → 0.965, PDF 표 GT cellExact 0.945 → 0.980 을 실측했고 게이트 플로어를 그 수치로 올렸습니다.
+
+- **🪆 PDF 틀 안 중첩표**: 지정서·영치증·선서문처럼 1칸 틀 안에 "발신명의 | 직인" 표가 든 서식에서, PDF 가 그 표를 틀 뒤 별도 블록으로 흘리던 것을 틀 셀 안에 문단·표 원문 순서로 넣습니다(HWPX 파서와 같은 모양). 네 변에 테두리가 그려진 1칸 틀은 표로, 그 안에 홀로 든 상자는 중첩표로 살립니다. 테두리 없는 바깥 틀은 한컴 본문 영역 클립과 구분할 수 없어 표로 삼지 않습니다.
+- **🖋️ HWP 결재란 "(인)" 복원**: HWP 5.x 는 2바이트 문자라 한컴 전용 기호(U+F012B)를 U+A000대에 접어 저장합니다. `ꄫ` 로 새던 결재란 기호가 "(인)" 으로 나옵니다.
+- **📋 HWP 서식 틀 보존**: 중첩표를 품은 별지서식 3×1 틀(제목행·틀·꼬리행)을 레이아웃 표로 보고 문단으로 해체하던 것을 표로 남깁니다. 페이지 사슬 레이아웃 표(글이 많은)는 종전대로 해체합니다.
+- **📝 표기법 검수 정밀화**: 실결재 기안문 206건·별지서식 595건으로 오탐을 실측해 `TILDE_SPACE` 는 숫자·날짜·시각 범위에만, `DUEUM_ERROR` 는 서식 기입란("    년도", "( 년간)")과 표 머리글을 건너뜁니다.
+- **🧾 양식 인식이 틀 안 중첩표까지**: `extractFormFields` 가 셀 안 중첩표의 라벨-값을 훑습니다(`fillHwpx` 와 같은 경계).
+- **📊 `bench/cmp-hwp-pdf.mjs`**: HWP↔PDF 셀 텍스트 Jaccard 보고 지표 정식 편입. `--linebreaks` 로 PDF 셀 줄바꿈 자리의 어절 경계 비율(85%·글자 단위 13%)을 실측해 줄 결합은 하지 않기로 했습니다.
+
 ## v4.12.1 변경사항
 
 법령 **별지서식**(법제처 별표·서식) 파싱을 HWP·HWPX·PDF 세 포맷에서 맞췄습니다. 법제처 OpenAPI로 서식 300건의 HWP 원본과 PDF를 쌍으로 모으고 rhwp 변환 HWPX를 붙인 900파일 코퍼스를 게이트에 편입해, HWP↔PDF 셀 텍스트 일치 0.79 → 0.92, PDF 표 GT cellExact 0.73 → 0.96 을 실측했습니다.

package/dist/{-BUYIUNW3.js → -FWGDIOV4.js}

@@ -56,7 +56,7 @@ import {
   unknownFontWarnings,
   usesGaejosikMunche,
   validateHwpx
-} from "./chunk-VO37BVAH.js";
+} from "./chunk-INFYDSZL.js";
 import "./chunk-7FCNOKOR.js";
 import "./chunk-N3DLQ2YH.js";
 import "./chunk-MOL7MDBG.js";
@@ -66,7 +66,7 @@ import {
   buildRangeSplices,
   placeSealHwpx,
   scanSectionXml
-} from "./chunk-JD4H6Y33.js";
+} from "./chunk-CKYDP34A.js";
 import {
   DEFAULT_REDACT_RULES,
   redactMarkdown,
@@ -74,10 +74,10 @@ import {
 } from "./chunk-DZIXKL7E.js";
 import {
   blocksToChunks
-} from "./chunk-ST3JBCIL.js";
+} from "./chunk-6L3B44DH.js";
 import {
   blocksToMarkdown
-} from "./chunk-JQBF4PSF.js";
+} from "./chunk-ZASGH5EN.js";
 import {
   SPACE_EM_FIXED,
   SPACE_EM_FONT,
@@ -87,11 +87,11 @@ import {
   renderHwpxToSvg,
   simulateWrap,
   simulateWrapKeepWord
-} from "./chunk-F2KL5Z5T.js";
-import "./chunk-EWSH6O6S.js";
+} from "./chunk-B63QEHYL.js";
+import "./chunk-YBZJMAE2.js";
 import {
   VERSION
-} from "./chunk-E37VAV46.js";
+} from "./chunk-PUZZFYLV.js";
 export {
   BUILTIN_TEMPLATES,
   DEFAULT_REDACT_RULES,
@@ -169,4 +169,4 @@ export {
   usesGaejosikMunche,
   validateHwpx
 };
-//# sourceMappingURL=-BUYIUNW3.js.map
+//# sourceMappingURL=-FWGDIOV4.js.map

package/dist/{chunk-OS2IOI3W.js → chunk-2DAFWDV2.js}

@@ -7,7 +7,7 @@ import {
 import {
   safeMax,
   safeMin
-} from "./chunk-E37VAV46.js";
+} from "./chunk-PUZZFYLV.js";
 
 // src/pdf/image-regions.ts
 import { OPS } from "pdfjs-dist/legacy/build/pdf.mjs";
@@ -963,6 +963,9 @@ function linesIntersect(a, b) {
 var CLIP_EDGE_TOL = 1.5;
 var CLIP_MIN_GROUP = 2;
 var CLIP_MAX_PAGE_FRAC = 0.75;
+var TITLED_FRAME_MIN_TOP = 0.2;
+var TITLED_FRAME_MIN_WIDTH = 0.6;
+var HEADER_BAND = 0.08;
 var CLIP_MIN_W2 = 4;
 var CLIP_MIN_H2 = 2;
 var STROKE_NEAR = 2;
@@ -1008,10 +1011,16 @@ function edgeStroked(lines, dir, pos, a1, a2) {
   }
   return false;
 }
-function buildClipCellGrids(rects, strokedH, strokedV, pageWidth, pageHeight) {
+function buildClipCellGrids(rects, strokedH, strokedV, pageWidth, pageHeight, textPoints = []) {
   const pageArea = pageWidth * pageHeight;
-  const cells = rects.filter((r) => r.x2 - r.x1 >= CLIP_MIN_W2 && r.y2 - r.y1 >= CLIP_MIN_H2 && (pageArea <= 0 || (r.x2 - r.x1) * (r.y2 - r.y1) < pageArea * CLIP_MAX_PAGE_FRAC));
-  if (cells.length < CLIP_MIN_GROUP) return { grids: [], containers: [] };
+  const sameRect = (a, b) => Math.abs(a.x1 - b.x1) <= CLIP_EDGE_TOL && Math.abs(a.x2 - b.x2) <= CLIP_EDGE_TOL && Math.abs(a.y1 - b.y1) <= CLIP_EDGE_TOL && Math.abs(a.y2 - b.y2) <= CLIP_EDGE_TOL;
+  const cells = [];
+  for (const r of rects) {
+    if (r.x2 - r.x1 < CLIP_MIN_W2 || r.y2 - r.y1 < CLIP_MIN_H2) continue;
+    if (pageArea > 0 && (r.x2 - r.x1) * (r.y2 - r.y1) >= pageArea * CLIP_MAX_PAGE_FRAC) continue;
+    if (!cells.some((c) => sameRect(c, r))) cells.push(r);
+  }
+  if (cells.length < 1) return { grids: [], containers: [] };
   const parent = new Array(cells.length).fill(-1);
   for (let i = 0; i < cells.length; i++) {
     for (let j = 0; j < cells.length; j++) {
@@ -1046,15 +1055,31 @@ function buildClipCellGrids(rects, strokedH, strokedV, pageWidth, pageHeight) {
     if (g) g.push(i);
     else groups.set(r, [i]);
   }
-  const containers = [];
-  for (let i = 0; i < cells.length; i++) {
-    if (!isContainer[i]) continue;
-    const r = cells[i];
-    if (!containers.some((c) => Math.abs(c.x1 - r.x1) <= CLIP_EDGE_TOL && Math.abs(c.x2 - r.x2) <= CLIP_EDGE_TOL && Math.abs(c.y1 - r.y1) <= CLIP_EDGE_TOL && Math.abs(c.y2 - r.y2) <= CLIP_EDGE_TOL)) containers.push(r);
-  }
+  const containers = cells.filter((_, i) => isContainer[i]);
+  const groupSize = (i) => groups.get(find(i))?.length ?? 0;
+  const isGridMember = (i) => groupSize(i) >= CLIP_MIN_GROUP;
+  const framed = (r) => edgeStroked(strokedH, "h", r.y1, r.x1, r.x2) && edgeStroked(strokedH, "h", r.y2, r.x1, r.x2) && edgeStroked(strokedV, "v", r.x1, r.y1, r.y2) && edgeStroked(strokedV, "v", r.x2, r.y1, r.y2);
+  const titledFrame = (r) => r.y1 >= pageHeight * TITLED_FRAME_MIN_TOP && r.x2 - r.x1 >= pageWidth * TITLED_FRAME_MIN_WIDTH && textPoints.some((p) => p.y < r.y1 && p.y > pageHeight * HEADER_BAND && p.x >= r.x1 - CLIP_EDGE_TOL && p.x <= r.x2 + CLIP_EDGE_TOL) && textPoints.some((p) => p.x > r.x1 && p.x < r.x2 && p.y > r.y1 && p.y < r.y2);
+  const loneFrame = (i) => isContainer[i] && !isGridMember(i) && (framed(cells[i]) || titledFrame(cells[i]));
+  const parentAttachable = (i) => parent[i] >= 0 && (isGridMember(parent[i]) || loneFrame(parent[i]));
+  const onlyChild = (i) => parent[i] >= 0 && parent.filter((p) => p === parent[i]).length === 1;
   const grids = [];
   for (const idxs of groups.values()) {
-    if (idxs.length < CLIP_MIN_GROUP) continue;
+    const first = idxs[0];
+    const parentRect = parentAttachable(first) ? cells[parent[first]] : void 0;
+    if (idxs.length < CLIP_MIN_GROUP) {
+      if (!loneFrame(first) && !((parentRect || onlyChild(first)) && framed(cells[first]))) continue;
+      const r = cells[first];
+      grids.push({
+        rowYs: [r.y2, r.y1],
+        colXs: [r.x1, r.x2],
+        bbox: { x1: r.x1, y1: r.y1, x2: r.x2, y2: r.y2 },
+        vertexRadius: 1,
+        cells: [{ row: 0, col: 0, rowSpan: 1, colSpan: 1, bbox: { x1: r.x1, y1: r.y1, x2: r.x2, y2: r.y2 } }],
+        ...parentRect ? { clipParent: parentRect } : {}
+      });
+      continue;
+    }
     const members = idxs.map((i) => cells[i]);
     let edges = 0, invisible = 0;
     for (const r of members) {
@@ -1095,7 +1120,8 @@ function buildClipCellGrids(rects, strokedH, strokedV, pageWidth, pageHeight) {
       colXs,
       bbox: { x1: colXs[0], y1: rowYs[numRows], x2: colXs[numCols], y2: rowYs[0] },
       vertexRadius: 1,
-      cells: out
+      cells: out,
+      ...parentRect ? { clipParent: parentRect } : {}
     });
   }
   return { grids, containers };
@@ -3351,7 +3377,7 @@ function extractPageBlocksWithLines(items, pageNum, opList, pageWidth, pageHeigh
   if (items.length === 0) return [];
   const extracted = extractLines(opList.fnArray, opList.argsArray);
   let { horizontals, verticals } = extracted;
-  const clipResult = detectTables ? buildClipCellGrids(extracted.clipRects, horizontals, verticals, pageWidth, pageHeight) : { grids: [], containers: [] };
+  const clipResult = detectTables ? buildClipCellGrids(extracted.clipRects, horizontals, verticals, pageWidth, pageHeight, items.map((it) => ({ x: it.x + it.w / 2, y: it.y + it.h / 2 }))) : { grids: [], containers: [] };
   const clipGrids = clipResult.grids;
   if (extraLines) {
     horizontals = horizontals.concat(extraLines.horizontals);
@@ -3464,9 +3490,47 @@ function isProseBoxGrid(grid, verticals, table) {
   if (longCells < PROSEBOX_LONG_CELL_MIN || longCells < texts.length * PROSEBOX_LONG_CELL_RATIO) return false;
   return true;
 }
+function cleanCellText(text) {
+  const stripped = text.replace(/^[\s]*[-–—]\s*\d+\s*[-–—][\s]*$/gm, "").trim();
+  return stripped.split("\n").map((line) => collapseEvenSpacing(line)).join("\n");
+}
+var FRAME_RECT_TOL = 1.5;
+function takePendingNested(pending, cellBox) {
+  const out = [];
+  for (let i = pending.length - 1; i >= 0; i--) {
+    const p = pending[i].parent;
+    if (Math.abs(p.x1 - cellBox.x1) <= FRAME_RECT_TOL && Math.abs(p.x2 - cellBox.x2) <= FRAME_RECT_TOL && Math.abs(p.y1 - cellBox.y1) <= FRAME_RECT_TOL && Math.abs(p.y2 - cellBox.y2) <= FRAME_RECT_TOL) {
+      out.push(pending[i].block);
+      pending.splice(i, 1);
+    }
+  }
+  return out;
+}
+function buildFrameCellBlocks(cellItems, nested, pageNum) {
+  const tables = [...nested].sort((a, b) => b.bbox.y + b.bbox.height - (a.bbox.y + a.bbox.height));
+  const blocks = [];
+  let rest = [...cellItems];
+  const pushParagraphs = (items) => {
+    if (items.length === 0) return;
+    for (const line of cleanCellText(cellTextToString(items)).split("\n")) {
+      const t = line.trim();
+      if (t) blocks.push({ type: "paragraph", text: t, pageNumber: pageNum });
+    }
+  };
+  for (const tb of tables) {
+    const bottom = tb.bbox.y;
+    pushParagraphs(rest.filter((it) => it.y >= bottom));
+    rest = rest.filter((it) => it.y < bottom);
+    blocks.push(tb);
+  }
+  pushParagraphs(rest);
+  const text = blocks.map((b) => b.type === "table" && b.table ? b.table.cells.flat().map((c) => c.text).filter(Boolean).join("\n") : b.text ?? "").filter(Boolean).join("\n");
+  return { blocks, text };
+}
 function extractBlocksWithGrids(items, pageNum, grids, horizontals, verticals) {
   const blocks = [];
   const usedItems = /* @__PURE__ */ new Set();
+  const pendingNested = [];
   const gridArea = (g) => (g.bbox.x2 - g.bbox.x1) * (g.bbox.y2 - g.bbox.y1);
   const sortedGrids = [...grids].sort((a, b) => (b.cells ? 1 : 0) - (a.cells ? 1 : 0) || (a.cells && b.cells ? gridArea(a) - gridArea(b) : 0) || b.bbox.y2 - a.bbox.y2);
   for (const grid of sortedGrids) {
@@ -3506,13 +3570,18 @@ function extractBlocksWithGrids(items, pageNum, grids, horizontals, verticals) {
       { length: numRows },
       () => Array.from({ length: numCols }, () => ({ text: "", colSpan: 1, rowSpan: 1 }))
     );
+    let nestedAttached = false;
     for (const cell of cells) {
       const cellItems = cellTextMap.get(cell) || [];
-      let text = cellTextToString(cellItems);
-      text = text.replace(/^[\s]*[-–—]\s*\d+\s*[-–—][\s]*$/gm, "").trim();
-      text = text.split("\n").map((line) => collapseEvenSpacing(line)).join("\n");
+      const nested = grid.cells ? takePendingNested(pendingNested, cell.bbox) : [];
+      if (nested.length > 0) {
+        nestedAttached = true;
+        const built = buildFrameCellBlocks(cellItems, nested, pageNum);
+        irGrid[cell.row][cell.col] = { text: built.text, colSpan: cell.colSpan, rowSpan: cell.rowSpan, blocks: built.blocks };
+        continue;
+      }
       irGrid[cell.row][cell.col] = {
-        text,
+        text: cleanCellText(cellTextToString(cellItems)),
         colSpan: cell.colSpan,
         rowSpan: cell.rowSpan
       };
@@ -3520,18 +3589,11 @@ function extractBlocksWithGrids(items, pageNum, grids, horizontals, verticals) {
     let finalGrid = irGrid;
     let finalRows = numRows;
     let rebuiltUsed = false;
-    if (numRows <= 2 && numCols >= 3) {
+    if (numRows <= 2 && numCols >= 3 && !nestedAttached) {
       const rebuilt = normalizeUndersegmentedTable(irGrid, grid.colXs, textItems);
       if (rebuilt) {
         rebuiltUsed = true;
-        finalGrid = rebuilt.map((row) => row.map((rawText) => {
-          const cleaned = rawText.replace(/^[\s]*[-–—]\s*\d+\s*[-–—][\s]*$/gm, "").trim();
-          return {
-            text: cleaned.split("\n").map((line) => collapseEvenSpacing(line)).join("\n"),
-            colSpan: 1,
-            rowSpan: 1
-          };
-        }));
+        finalGrid = rebuilt.map((row) => row.map((rawText) => ({ text: cleanCellText(rawText), colSpan: 1, rowSpan: 1 })));
         finalRows = finalGrid.length;
       }
     }
@@ -3548,6 +3610,11 @@ function extractBlocksWithGrids(items, pageNum, grids, horizontals, verticals) {
     };
     const hasContent = finalGrid.some((row) => row.some((cell) => cell.text.trim() !== ""));
     if (!hasContent) continue;
+    if (grid.clipParent) {
+      const nb = { page: pageNum, x: grid.bbox.x1, y: grid.bbox.y1, width: grid.bbox.x2 - grid.bbox.x1, height: grid.bbox.y2 - grid.bbox.y1 };
+      pendingNested.push({ parent: grid.clipParent, block: { type: "table", table: irTable, pageNumber: pageNum, bbox: nb } });
+      continue;
+    }
     if (!grid.cells && isProseBoxGrid(grid, verticals, irTable)) {
       for (const it of tableItems) usedItems.delete(it);
       continue;
@@ -3569,6 +3636,7 @@ function extractBlocksWithGrids(items, pageNum, grids, horizontals, verticals) {
     }
     blocks.push({ type: "table", table: irTable, pageNumber: pageNum, bbox: tableBbox });
   }
+  for (const p of pendingNested) blocks.push(p.block);
   let remaining = items.filter((i) => !usedItems.has(i));
   const groupSizes = [];
   let finalTextBlocks = [];
@@ -3878,4 +3946,4 @@ export {
   extractPageBlocksWithLines,
   mergeCrossPageTables
 };
-//# sourceMappingURL=chunk-OS2IOI3W.js.map
+//# sourceMappingURL=chunk-2DAFWDV2.js.map