kordoc 4.24.37 → 4.24.38

package/README.md

@@ -125,7 +125,7 @@ await writeFile("보고서.hwpx", Buffer.from(hwpx))
 | 법령 별표 | 272건 · 346표 | HWP **346/346**, PDF **343/346 · 99.13%** |
 | PDF 전체 | 1,911문서 중 1,729건 채점 | 글 커버리지 **99.80%** |
 | OCR | 53문서 · 102쪽 · 66표 | CER **0.0239** · 글자 재현율 **99.32%** · 표 구조 일치 **34/66** |
-| KoOCR-Bench v2.0c (외부) | 공개 877쪽 (표·글·손글씨·순서) | 종합 기본값 **0.807** · `ocrRec: "auto"` **0.828** (4.24.37) |
+| KoOCR-Bench v2.0c (외부) | 공개 877쪽 (표·글·손글씨·순서) | 종합 기본값 **0.810** · `ocrRec: "auto"` **0.831** · 제목 재현율 0.798 (4.24.38) |
 | opendataloader-bench | PDF 200문서 | 종합 기본값 **0.964** · OCR 끔 **0.939** |
 | HWPX 렌더 배치 | 한컴 PDF 짝 1,565문서(쪽 수 일치 1,508) · 글 조각 111,480 · 그림 4,300 | 글 위치(±1.5pt) **106,904 · 95.9%** · 그림 위치(±2pt) **4,213 · 98.0%** |
 
@@ -133,15 +133,15 @@ await writeFile("보고서.hwpx", Buffer.from(hwpx))
 
 ## 최근 업데이트
 
-최신 배포: **[4.24.37](https://github.com/chrisryugj/kordoc/releases/tag/v4.24.37)** · 2026-11-02
+최신 배포: **[4.24.38](https://github.com/chrisryugj/kordoc/releases/tag/v4.24.38)** · 2026-11-02
 
 | 버전 | 주요 변경 | 수치 변화 |
 | --- | --- | --- |
+| 4.24.38 | OCR: 스캔·이미지 쪽 제목 판정(위아래로 쌓인 장 제목 잇기) · 작은 1칸 상자 쪽 두 단 읽기 순서 · 문장 조각 가짜 표 · 겹친 상자 이음매 글자 · 이미지 수식 OCR(`formulaOcr`) · to-hwpx 한/글 자체 저장 엔진(`--engine hancom`, 팝업 없이) | KoOCR-Bench 종합 0.807 → **0.810**(`auto` **0.831**) · 제목 재현율 0 → .798 · 자체 벤치 문서별 그대로 |
 | 4.24.37 | OCR 표: 통계표 묶음 안 빈칸 열·괘선 없는 본문 행 펼치기·행 합침 아래 행 가르기·이웃 칸 값 몰림·음영 머리 띠와 칠한 첫 열 경계 · 머리 행 있는 표를 차트로 풀던 것 · 시험지 문항 상자 풀기 · `ocrRec: "auto"`(손글씨 쪽만 손글씨 모델) | KoOCR-Bench v2.0c 공개 877쪽 종합 0.742 → **0.807**(`ocrRec: "auto"` **0.828**) · 자체 벤치 문서별 그대로 |
 | 4.24.36 | PDF 띄어쓰기(한컴 PDF): 자간 줄인 글의 낱말 공백 되살림 · 공백 글리프 위에 덧찍은 쉼표("55만원,") · 날짜 "2026. 8. 28." 공백 유지 · 줄 끝에서 갈린 연도 "20⏎25년" | PDF 글 어절 F1 99.076 → **99.103%** · 그 밖 지표 그대로 |
 | 4.24.35 | PDF: 자간 줄인 수치의 같은 숫자 둘("129.9") 지키기 · 글자마다 찍은 첨자 줄을 본문에 붙이기 · 수 가운데서 꺾인 줄("1,2⏎96억"·"(4.1⏎6.~5.16.)")과 칸 소수 잇기 · 표지 책등 외기둥 세로 글 | PDF 표 칸 완전 일치 0.99264 → **0.99267** · 칸 내용 0.98902 → **0.98905** · PDF 글 순서 99.359 → **99.360%** · 어절 F1 99.073 → **99.076%** · 그 밖 지표 그대로 |
 | 4.24.34 | to-hwpx: 파일 여러 개·폴더 일괄 변환(하위 폴더, 이미 있는 .hwpx 건너뜀) · PDF: 기호 글꼴 작은 네모로 찍고 공백으로 적은 "·" 글머리 되살림 · 글자 단위로 나눈 줄 머리 어미("는데"·"졌다")·겹조사 잇기 | PDF 표 칸 완전 일치 0.99221 → **0.99264** · 칸 내용 0.98896 → **0.98902** · PDF 글 재현율 99.883 → **99.885%** · 순서 99.356 → **99.359%** · 어절 F1 99.071 → **99.073%** · 그 밖 지표 그대로 |
-| 4.24.33 | PDF 표: 모아찍기 쪽 넘김에서 오른쪽 쪽 머리 상자로 넘어간 칸 글을 앞 칸에 잇기 · 칸을 한 겹 더 깐 1×1 클립(통계표 숫자 칸)을 중첩 표 대신 칸 글로 | PDF 표 칸 내용 일치 0.98794 → **0.98896** · 칸 완전 일치 0.99153 → **0.99221** · 그 밖 벤치 지표 그대로 |
 
 이전 버전과 상세 내용은 [변경 이력](CHANGELOG.md)에 있습니다.
 

package/dist/{-HX3RWDQF.js → -LPQSUCWH.js}

@@ -53,34 +53,7 @@ import {
   usesGaejosikMunche,
   usesLogicStructure,
   validateHwpx
-} from "./chunk-GCFG67SF.js";
-import {
-  blocksToPages
-} from "./chunk-J26TNCL7.js";
-import {
-  extractClickHereFields,
-  patchHwp,
-  patchHwpx
-} from "./chunk-7GN7O3K2.js";
-import {
-  addMemoHwpx
-} from "./chunk-YNIZLSM4.js";
-import {
-  placeSealHwpx
-} from "./chunk-P3SZJJRK.js";
-import "./chunk-VRCXXZHT.js";
-import {
-  convertToHwpx,
-  hwpToHwpx
-} from "./chunk-B2VRTOQZ.js";
-import {
-  DEFAULT_REDACT_RULES,
-  redactMarkdown,
-  redactText
-} from "./chunk-3WSNLH4B.js";
-import {
-  blocksToChunks
-} from "./chunk-MTSWWXSB.js";
+} from "./chunk-ORIA2IFK.js";
 import {
   blocksToPdf,
   extractRenderedRegions,
@@ -91,25 +64,16 @@ import {
   renderHwp5Pages,
   renderHwpxToSvg,
   renderSceneToHtml
-} from "./chunk-XCMDIXWE.js";
-import "./chunk-ONCXLQV4.js";
-import "./chunk-T7K3CLXM.js";
-import "./chunk-DRDW5ULI.js";
-import "./chunk-VKVDMH7X.js";
-import "./chunk-LM7LYH54.js";
-import "./chunk-J42O5KBX.js";
-import "./chunk-VQFA55IC.js";
+} from "./chunk-ONL4UTGQ.js";
 import {
-  detectFormat,
-  detectOle2Format,
-  detectZipFormat,
-  isHwpxFile,
-  isOldHwpFile,
-  isPdfFile,
-  isZipFile
-} from "./chunk-GHHVT4Q5.js";
-import "./chunk-H7K5YHWQ.js";
-import "./chunk-JIMG76FW.js";
+  blocksToPages
+} from "./chunk-MLXVSAR3.js";
+import {
+  extractClickHereFields,
+  patchHwp,
+  patchHwpx
+} from "./chunk-OBZV23UV.js";
+import "./chunk-P4OK4W2F.js";
 import {
   AGENCY_COMMON_NAME,
   PRESET_ALIAS,
@@ -119,7 +83,24 @@ import {
   markdownToHwpx,
   normalizeGongmunPreset,
   placeTotalRow
-} from "./chunk-BT5RPLV4.js";
+} from "./chunk-6MTH2EYN.js";
+import {
+  SPACE_EM_FIXED,
+  SPACE_EM_FONT,
+  charWidthEm1000,
+  fitRatioForFewerLines,
+  measureTextWidth,
+  simulateWrap,
+  simulateWrapKeepWord
+} from "./chunk-UJFT2OED.js";
+import {
+  addMemoHwpx
+} from "./chunk-SORWBCEP.js";
+import {
+  placeSealHwpx
+} from "./chunk-5PONVN46.js";
+import "./chunk-OYIGWP2N.js";
+import "./chunk-3NZP2VXB.js";
 import {
   ValueCursor,
   applySplices,
@@ -133,28 +114,47 @@ import {
   isLabelCell,
   scanSectionXml
 } from "./chunk-3AHL6YEA.js";
+import "./chunk-XQPF6I6P.js";
 import {
-  SPACE_EM_FIXED,
-  SPACE_EM_FONT,
-  charWidthEm1000,
-  fitRatioForFewerLines,
-  measureTextWidth,
-  simulateWrap,
-  simulateWrapKeepWord
-} from "./chunk-LWSMZJLR.js";
-import "./chunk-TQBNSAAS.js";
+  convertToHwpx,
+  hwpToHwpx
+} from "./chunk-ONC5LWD4.js";
+import "./chunk-UQTQXXHU.js";
+import "./chunk-VKVDMH7X.js";
 import "./chunk-OFVHQ2TZ.js";
+import "./chunk-UQ2ZA3X4.js";
 import "./chunk-WFKFG2RT.js";
-import "./chunk-7MGZWDO4.js";
+import {
+  DEFAULT_REDACT_RULES,
+  redactMarkdown,
+  redactText
+} from "./chunk-3WSNLH4B.js";
+import {
+  blocksToChunks
+} from "./chunk-FA3MQGIF.js";
+import "./chunk-IDCU74H5.js";
+import "./chunk-VQFA55IC.js";
+import {
+  detectFormat,
+  detectOle2Format,
+  detectZipFormat,
+  isHwpxFile,
+  isOldHwpFile,
+  isPdfFile,
+  isZipFile
+} from "./chunk-GHHVT4Q5.js";
+import "./chunk-H7K5YHWQ.js";
+import "./chunk-JIMG76FW.js";
+import "./chunk-RLED4WS3.js";
 import {
   blocksToMarkdown,
   flattenLayoutTables,
   hasStructuredCellContent
-} from "./chunk-33BKUIIC.js";
+} from "./chunk-MSRDRUOV.js";
 import "./chunk-KFF47XZ7.js";
 import {
   VERSION
-} from "./chunk-BYOAA442.js";
+} from "./chunk-LAKPAL53.js";
 export {
   AGENCY_COMMON_NAME,
   BUILTIN_TEMPLATES,
@@ -268,4 +268,4 @@ export {
   usesLogicStructure,
   validateHwpx
 };
-//# sourceMappingURL=-HX3RWDQF.js.map
+//# sourceMappingURL=-LPQSUCWH.js.map

package/dist/{chunk-VRCXXZHT.js → chunk-3NZP2VXB.js}

@@ -1,7 +1,7 @@
 #!/usr/bin/env node
 import {
   KordocError
-} from "./chunk-BYOAA442.js";
+} from "./chunk-LAKPAL53.js";
 
 // src/roundtrip/zip-patch.ts
 import { deflateRawSync } from "zlib";
@@ -233,4 +233,4 @@ export {
   readZipEntries,
   patchZipEntries
 };
-//# sourceMappingURL=chunk-VRCXXZHT.js.map
+//# sourceMappingURL=chunk-3NZP2VXB.js.map

package/dist/{chunk-4OWD6WRS.js → chunk-5IYRVLGJ.js}

@@ -34,7 +34,7 @@ import {
   splitRowBands,
   starRun,
   tallInkCount
-} from "./chunk-JRVZBYQ2.js";
+} from "./chunk-XVWPMKPH.js";
 import {
   validateOcrOptions
 } from "./chunk-IFWGHRCQ.js";
@@ -44,7 +44,7 @@ import {
 import {
   KordocError,
   OPTIONAL_DEP_INSTALL_HINT
-} from "./chunk-64MVXWS5.js";
+} from "./chunk-7F42AI4O.js";
 
 // src/ocr/ocr-stacked-rows.ts
 var NUMERIC = /^[-+−△▲▽▼]?[\d.,]+[%p]?$|^[-–—·∼~]$|^\([-+−△▲▽▼]?[\d.,]+\)$/;
@@ -2311,6 +2311,7 @@ function groupOcrLines(items, figureRegion = false) {
 function ocrItemsToBlocks(items, pageNumber, pdfW, pdfH, scale, extraLines, detectTables = true, opList = { fnArray: [], argsArray: [] }, figureRegion = false) {
   const bottoms = items.map((it) => it.y + it.h);
   const xs = items.map((it) => ({ x: it.x, r: it.x + it.w, space: false }));
+  const texts = items.map((it) => it.text);
   for (const line of groupOcrLines(items, figureRegion)) {
     if (line.length < 2) continue;
     const sorted = line.map((j) => items[j].y + items[j].h).sort((a, b) => a - b);
@@ -2319,6 +2320,13 @@ function ocrItemsToBlocks(items, pageNumber, pdfW, pdfH, scale, extraLines, dete
     for (let k = 1; k < byX.length; k++) {
       const L = xs[byX[k - 1]], R = xs[byX[k]];
       if (R.x >= L.r) continue;
+      const lt = [...texts[byX[k - 1]]], rt = [...texts[byX[k]]], per = items[byX[k]].w / Math.max(1, rt.length);
+      for (let n = Math.min(3, rt.length, lt.length); n >= 1; n--) {
+        if (lt.slice(-n).join("") === rt.slice(0, n).join("") && /[가-힣]/.test(rt[0]) && L.r - R.x >= per * n * 0.5) {
+          texts[byX[k]] = rt.slice(n).join("");
+          break;
+        }
+      }
       const mid = (R.x + L.r) / 2, half = Math.min(items[byX[k - 1]].h, items[byX[k]].h) * 0.15;
       L.r = Math.max(L.x + 1, mid - half);
       R.x = Math.min(R.r - 1, mid + half);
@@ -2328,7 +2336,7 @@ function ocrItemsToBlocks(items, pageNumber, pdfW, pdfH, scale, extraLines, dete
   const norm = items.map((it, i) => {
     const h = (figureRegion ? Math.max(1, bottoms[i] - it.y) : it.h) / scale;
     const normalized = {
-      text: it.text,
+      text: texts[i],
       x: Math.round(xs[i].x / scale),
       // NormItem.y 는 pdfjs transform[5] = 베이스라인 (bottom-up) — 잉크 하단으로 근사
       y: Math.round(pdfH - bottoms[i] / scale),
@@ -2342,8 +2350,50 @@ function ocrItemsToBlocks(items, pageNumber, pdfW, pdfH, scale, extraLines, dete
     };
     copyOcrTextGaps(it, normalized, 1 / scale);
     return normalized;
-  });
-  return unframeOcrLayoutTables(splitStackedOcrRows(extractPageBlocksWithLines(norm, pageNumber, opList, pdfW, pdfH, extraLines, detectTables)), pdfH);
+  }).filter((it) => it.text);
+  const blocks = unframeOcrLayoutTables(splitStackedOcrRows(extractPageBlocksWithLines(norm, pageNumber, opList, pdfW, pdfH, extraLines, detectTables)), pdfH);
+  if (!figureRegion) markOcrHeadings(blocks);
+  return blocks;
+}
+function markOcrHeadings(blocks) {
+  const sized = blocks.filter((b) => b.type === "paragraph" && b.text && b.style?.fontSize);
+  const weights = sized.map((b) => [b.style.fontSize, b.text.length]);
+  const total = weights.reduce((n, [, w]) => n + w, 0);
+  if (total < 100) return;
+  weights.sort((a, b) => a[0] - b[0]);
+  let acc = 0, body = 0;
+  for (const [size, w] of weights) {
+    acc += w;
+    if (acc >= total / 2) {
+      body = size;
+      break;
+    }
+  }
+  if (!body) return;
+  for (const b of sized) {
+    const text = b.text.trim(), size = b.style.fontSize;
+    const ratio = size / body;
+    if (ratio < 1.3) continue;
+    if (text.length < 2 || text.length > (ratio >= 1.5 ? 60 : 40) || /[.!?。]$|다\.?$/.test(text) || /^[\d\s.,%·-]+$/.test(text)) continue;
+    if (b.bbox && b.bbox.height > size * (ratio >= 1.5 ? 3.2 : 1.6)) continue;
+    b.type = "heading";
+    b.level = ratio >= 1.5 ? 1 : 2;
+  }
+  for (let i = blocks.length - 1; i > 0; i--) {
+    const a = blocks[i - 1], b = blocks[i];
+    if (a.type !== "heading" || b.type !== "heading" || !a.bbox || !b.bbox) continue;
+    const marker = /^(?:제\s*\d+\s*[장절편부]|chapter\s*\d+|part\s*\d+)$/i.test(a.text.trim());
+    const sa = a.style?.fontSize ?? 0, sb = b.style?.fontSize ?? 0;
+    if (!marker && (a.level !== b.level || Math.max(sa, sb) > Math.min(sa, sb) * 1.3)) continue;
+    const gap = a.bbox.y - (b.bbox.y + b.bbox.height), size = Math.max(a.style?.fontSize ?? 0, b.style?.fontSize ?? 0);
+    const across = Math.min(a.bbox.x + a.bbox.width, b.bbox.x + b.bbox.width) - Math.max(a.bbox.x, b.bbox.x);
+    if (gap < 0 || gap > size * (marker ? 3 : 1.2) || across <= 0) continue;
+    a.level = Math.min(a.level ?? 2, b.level ?? 2);
+    a.text = `${a.text.trim()} ${b.text.trim()}`;
+    const x = Math.min(a.bbox.x, b.bbox.x);
+    a.bbox = { ...a.bbox, x, y: b.bbox.y, width: Math.max(a.bbox.x + a.bbox.width, b.bbox.x + b.bbox.width) - x, height: a.bbox.y + a.bbox.height - b.bbox.y };
+    blocks.splice(i, 1);
+  }
 }
 async function tryImport2(name, loader) {
   try {
@@ -2397,6 +2447,7 @@ export {
   runPdfOcr,
   ocrOnePage,
   groupOcrLines,
-  ocrItemsToBlocks
+  ocrItemsToBlocks,
+  markOcrHeadings
 };
-//# sourceMappingURL=chunk-4OWD6WRS.js.map
+//# sourceMappingURL=chunk-5IYRVLGJ.js.map