kordoc 4.4.0 → 4.4.1

package/README.md

@@ -73,7 +73,7 @@ MCP 등록 대신 스킬(SKILL.md) 형태로 쓰려면:
 단순한 텍스트 추출을 넘어, **공문서 처리를 위한 모든 과정**을 자동화합니다.
 
 *   **📄 어떤 문서든 마크다운으로**: `HWP3` (구버전), `HWP`(5.x), `HWPX`, `HWPML`, `PDF`, `XLS`, `XLSX`, `DOCX` 파일은 물론 `PNG`/`JPG`/`WebP` 이미지(자동 OCR)까지 즉시 `Markdown`으로 변환합니다. AI(LLM)가 문서를 읽고 분석하기 가장 좋은 상태로 만들어줍니다.
-*   **📊 복잡한 표(Table) 완벽 재현**: 선이 없는 PDF나 복잡하게 병합된 HWP 표도 구조를 분석하여 정확한 마크다운 테이블로 복원합니다. 법령 개정안 PDF의 신구조문대비표도 통째로 살립니다 (v3.16.2).
+*   **📊 복잡한 표(Table) 복원 — 숫자로 잠금**: 병합·중첩 표를 구조 그대로 살립니다. HWPX 코퍼스 291문서 **표 1,673/1,673·셀 27,714/27,714 무손실**(독립 추출기 대조 게이트 1.0), 동일문서 hwpx↔pdf 대조(6쌍 69표)는 **매칭 98.6%·완전일치 65.2%**. 선 없는 PDF 표도 감지해 복원하고, 법령 개정안 PDF의 신구조문대비표도 통째로 살립니다 (v3.16.2).
 *   **🔍 신구대조표 자동 생성**: 두 문서의 차이점을 분석하여 무엇이 바뀌었는지 한눈에 보여줍니다. (HWP와 HWPX 간의 비교도 가능!)
 *   **📝 마크다운을 다시 HWPX로**: AI가 작성한 내용을 다시 보고서 양식(`HWPX`)으로 되돌려줍니다. 이제 복사-붙여넣기 노가다에서 해방되세요.
 *   **🏛️ 정부 표준 공문서 생성 (v4.0)**: 실제 정부 양식 16종 + 실결재 기안문 60건을 전수 디코드·대조해 만든 공문서 엔진. 개조식 보고서(표지·목차 배너·로마숫자 장헤더·쪽번호·결재란), 기안문(별지 제1호서식 두문·결문, "끝." 자동), 공고문·보도자료 프리셋, 항목부호 8단계(1. 가. 1) 가)…) 자동, 공문서 표기법 검수 13룰(`kordoc lint`)까지 — 한글 COM 실렌더로 조판까지 실측 검증했습니다.
@@ -86,13 +86,19 @@ MCP 등록 대신 스킬(SKILL.md) 형태로 쓰려면:
 
 ---
 
+## v4.4.1 변경사항
+
+- **🖼️ MCP 이미지 입력 수리**: `parse_document` 등 파싱 도구가 PNG/JPG/WebP를 확장자 단계에서 거부하던 것(CLI는 정상, MCP만 차단)을 해제 — 스크린샷·스캔 이미지를 MCP로도 바로 변환합니다.
+- **📏 내장 OCR 정확도 첫 실측** (`bench/ocr-accuracy.mjs` 신설): 코퍼스 PDF 41문서 82페이지, 클린 텍스트층 대조 — 문자 recall 90.0%(글꼴 미렌더 1건 제외 94.0%)·precision 95.1%, 한글 음절 recall median 99.9%, 0.96s/페이지. 스캔 표 구조는 매칭 63%·cellF1 0.50로 아직 약한 지점입니다. 정답이 클린 렌더라 실스캔 노이즈는 미반영(상한치).
+
 ## v4.4.0 변경사항
 
 - **🔑 비밀번호 문서 열기 (#59)**: 열기 암호가 걸린 **HWPX·HWP3·HWP5** 문서를 `--password`(CLI) / `password`(API·MCP)로 엽니다. 세 포맷의 암호화 방식이 각각 다릅니다 — HWPX는 ODF 표준(AES-256-CBC + PBKDF2), HWP3는 단일 DES-ECB, HWP5는 EncryptVersion 4의 비트 단위 CFB. 틀린 비밀번호는 성공으로 위장하지 않고 `ENCRYPTED`로 실패합니다. (한컴 DRM 문서보안은 별개라 해당 없음, @jangster77 제보)
 - **🩹 HWP3 본문 대량 유실 수리**: 그림 뒤에 오는 캡션 문단 리스트를 읽지 않아 그림 하나당 43바이트씩 스트림이 어긋났고, 어긋난 자리가 "문단 끝" 표식으로 읽히면 **경고 없이** 나머지를 통째로 버렸습니다. 945KB 문서가 0자로 나오던 수준입니다(rhwp 대조 실측 6종 복구, 최대 100만 자). 표 셀 상한 256도 실존 문서(367셀)를 죽여 잔여 스트림 기준으로 교체했습니다.
 - **🔤 CDATA 텍스트 소실 수리**: `<hp:t><![CDATA[본문]]></hp:t>` 로 저장된 텍스트를 경고 없이 버리던 결함 — 공용 XML 헬퍼에 있어 HWPX·HWPML·DOCX 세 포맷에 걸쳐 있었습니다.
 - **🔣 사라지던 글자 복원**: 한컴 검증 PUA 11종(결재란 `(인)`, 편람 글머리표, 사각 안 숫자 ①~⑳ 등)과 HWP3 johab 매핑 2종(표 셀 글머리표 ▸, 머리말 회사명) — 매핑에 없는 코드는 삭제되는 구조라 누락이 곧 글자 증발이었습니다.
-- **🐛 그 외**: 동명 누름틀이 여러 곳에 있는 서식에서 `require_unique`가 한 곳도 채우지 않던 것, 수식 토큰이 `constructor`·`toString`이면 출력이 오염되던 프로토타입 체인 결함.
+- **ᄒᆞᆫ HWP3 아래아(옛한글) 복원**: 완성형에 대응 음절이 없어 통째로 빠지던 아래아 음절('ᄒᆞᆫ글 97' 등)을 한컴 HWP5/HWPX 변환본과 같은 자모열(초성+ᆞ+종성)로 보존합니다.
+- **🐛 그 외**: 동명 누름틀이 여러 곳에 있는 서식에서 `require_unique`가 한 곳도 채우지 않던 것, 수식 토큰이 `constructor`·`toString`이면 출력이 오염되던 프로토타입 체인 결함, 빈 셀 채우기가 엔티티(`&#32;`) 원문을 지우던 것(fail-closed 통일), fill 계열 ZIP 폭탄 가드, CLI `--format json`의 실패 JSON 출력(원인 코드 포함). npm 배포본에 NOTICE·THIRD_PARTY 라이선스 고지도 포함됩니다.
 
 ## v4.3.0 변경사항
 
@@ -377,7 +383,7 @@ MCP 등록 대신 스킬(SKILL.md) 형태로 쓰려면:
 
 ## v2.9.0 변경사항
 
-- **📊 PDF 텍스트 품질 신호 + OCR 필요 판정** — PDF는 텍스트층이 있어도 ToUnicode/CMap 이 깨져 한글이 깨진 글리프로 떨어지거나 NUL 등 제어문자가 섞이는 경우가 많습니다. `parsePdf` 결과에 페이지별 품질 신호(`pageQuality`)와 문서 요약(`qualitySummary`)을 추가 — `needsOcr`/`ocrReason` 으로 OCR 큐 자동 라우팅이 가능. kordoc 은 OCR 을 기본 탑재하지 않고 **신호만** 노출합니다. 전국 지자체 주요업무계획 PDF 190건(45,399쪽) 대량 처리 중 도출. (아래 [PDF 텍스트 품질 신호](#pdf-텍스트-품질-신호-v290) 참고)
+- **📊 PDF 텍스트 품질 신호 + OCR 필요 판정** — PDF는 텍스트층이 있어도 ToUnicode/CMap 이 깨져 한글이 깨진 글리프로 떨어지거나 NUL 등 제어문자가 섞이는 경우가 많습니다. `parsePdf` 결과에 페이지별 품질 신호(`pageQuality`)와 문서 요약(`qualitySummary`)을 추가 — `needsOcr`/`ocrReason` 으로 OCR 큐 자동 라우팅이 가능. (당시에는 신호만 노출 — **v4.2.0부터 내장 OCR 탑재**, 이 신호가 내장 OCR의 자동 발동 조건으로 쓰입니다.) 전국 지자체 주요업무계획 PDF 190건(45,399쪽) 대량 처리 중 도출. (아래 [PDF 텍스트 품질 신호](#pdf-텍스트-품질-신호-v290) 참고)
 
 ## v2.8.0 변경사항
 

package/dist/{-R6NUMPRV.js → -7X4H77Z7.js}

@@ -52,7 +52,7 @@ import {
   resolveBuiltinTemplate,
   unknownFontWarnings,
   validateHwpx
-} from "./chunk-YOZ7ZRCD.js";
+} from "./chunk-2352RXHG.js";
 import "./chunk-7FCNOKOR.js";
 import "./chunk-A73RMJ6B.js";
 import "./chunk-MOL7MDBG.js";
@@ -62,7 +62,7 @@ import {
   buildRangeSplices,
   placeSealHwpx,
   scanSectionXml
-} from "./chunk-RZURSA4N.js";
+} from "./chunk-IPOVUGXD.js";
 import {
   DEFAULT_REDACT_RULES,
   redactMarkdown,
@@ -70,10 +70,10 @@ import {
 } from "./chunk-DZIXKL7E.js";
 import {
   blocksToChunks
-} from "./chunk-HNRULYUH.js";
+} from "./chunk-7MDLAKVO.js";
 import {
   blocksToMarkdown
-} from "./chunk-QXYB74QF.js";
+} from "./chunk-SMPEZINI.js";
 import {
   SPACE_EM_FIXED,
   SPACE_EM_FONT,
@@ -83,11 +83,11 @@ import {
   renderHwpxToSvg,
   simulateWrap,
   simulateWrapKeepWord
-} from "./chunk-65DYCXGC.js";
-import "./chunk-5KLE3U23.js";
+} from "./chunk-5PXCA3DN.js";
+import "./chunk-JGHQFUKI.js";
 import {
   VERSION
-} from "./chunk-P7YPCK7C.js";
+} from "./chunk-WA7XLWZW.js";
 export {
   BUILTIN_TEMPLATES,
   DEFAULT_REDACT_RULES,
@@ -161,4 +161,4 @@ export {
   unknownFontWarnings,
   validateHwpx
 };
-//# sourceMappingURL=-R6NUMPRV.js.map
+//# sourceMappingURL=-7X4H77Z7.js.map

package/dist/{chunk-YOZ7ZRCD.js → chunk-2352RXHG.js}

@@ -22,7 +22,7 @@ import {
   paraTextPureT,
   patchZipEntries,
   scanSectionXml
-} from "./chunk-RZURSA4N.js";
+} from "./chunk-IPOVUGXD.js";
 import {
   MAX_COLS,
   MAX_ROWS,
@@ -32,14 +32,14 @@ import {
   dedupeRunningHeaders,
   flattenLayoutTables,
   mapPuaText
-} from "./chunk-QXYB74QF.js";
+} from "./chunk-SMPEZINI.js";
 import {
   SPACE_EM_FIXED,
   charWidthEm1000,
   fitRatioForFewerLines,
   measureTextWidth,
   simulateWrap
-} from "./chunk-65DYCXGC.js";
+} from "./chunk-5PXCA3DN.js";
 import {
   MAX_DECOMPRESS_SIZE,
   MAX_XML_DEPTH,
@@ -55,7 +55,7 @@ import {
   findChildByLocalName,
   localName,
   rawTextContent
-} from "./chunk-5KLE3U23.js";
+} from "./chunk-JGHQFUKI.js";
 import {
   KordocError,
   classifyError,
@@ -67,7 +67,7 @@ import {
   sanitizeHref,
   stripDtd,
   toArrayBuffer
-} from "./chunk-P7YPCK7C.js";
+} from "./chunk-WA7XLWZW.js";
 
 // src/index.ts
 import { readFile } from "fs/promises";
@@ -28327,7 +28327,7 @@ async function parse(input, options) {
 }
 async function parseImage(buffer, options) {
   try {
-    const { parseImageDocument } = await import("./image-ocr-XC52AQDV.js");
+    const { parseImageDocument } = await import("./image-ocr-K4XCRBTY.js");
     const { blocks, warnings } = await parseImageDocument(buffer, options);
     return {
       success: true,
@@ -28386,7 +28386,7 @@ async function parseHwp(buffer, options) {
 async function parsePdf(buffer, options) {
   let parsePdfDocument;
   try {
-    const mod = await import("./parser-ESGFWWCT.js");
+    const mod = await import("./parser-I3ELUUOG.js");
     parsePdfDocument = mod.parsePdfDocument;
   } catch {
     return {
@@ -28532,4 +28532,4 @@ export {
   parseHwpml,
   fillForm
 };
-//# sourceMappingURL=chunk-YOZ7ZRCD.js.map
+//# sourceMappingURL=chunk-2352RXHG.js.map

package/dist/{chunk-SKM6KZUH.cjs → chunk-3DX6VJGH.cjs}

@@ -4,7 +4,7 @@
 
 
 
-var _chunkH2KMJOB6cjs = require('./chunk-H2KMJOB6.cjs');
+var _chunk7BIVNIK5cjs = require('./chunk-7BIVNIK5.cjs');
 
 // src/pdf/image-regions.ts
 var _pdfmjs = require('pdfjs-dist/legacy/build/pdf.mjs');
@@ -1567,9 +1567,9 @@ function detectHeadings(blocks, medianFontSize) {
     if (/^\d+$/.test(text)) continue;
     const ratio = block.style.fontSize / medianFontSize;
     let level = 0;
-    if (ratio >= _chunkH2KMJOB6cjs.HEADING_RATIO_H1) level = 1;
-    else if (ratio >= _chunkH2KMJOB6cjs.HEADING_RATIO_H2) level = 2;
-    else if (ratio >= _chunkH2KMJOB6cjs.HEADING_RATIO_H3) level = 3;
+    if (ratio >= _chunk7BIVNIK5cjs.HEADING_RATIO_H1) level = 1;
+    else if (ratio >= _chunk7BIVNIK5cjs.HEADING_RATIO_H2) level = 2;
+    else if (ratio >= _chunk7BIVNIK5cjs.HEADING_RATIO_H3) level = 3;
     if (level > 0) {
       block.type = "heading";
       block.level = level;
@@ -2689,14 +2689,14 @@ function isProseSpread(items) {
   for (let i = 1; i < sorted.length; i++) {
     gaps.push(sorted[i].x - (sorted[i - 1].x + sorted[i - 1].w));
   }
-  const maxGap = _chunkH2KMJOB6cjs.safeMax.call(void 0, gaps);
+  const maxGap = _chunk7BIVNIK5cjs.safeMax.call(void 0, gaps);
   const avgLen = items.reduce((s, i) => s + i.text.length, 0) / items.length;
   return maxGap < 40 && avgLen < 5;
 }
 function detectColumns(yLines) {
   const allItems = yLines.flat();
   if (allItems.length === 0) return null;
-  const pageWidth = _chunkH2KMJOB6cjs.safeMax.call(void 0, allItems.map((i) => i.x + i.w)) - _chunkH2KMJOB6cjs.safeMin.call(void 0, allItems.map((i) => i.x));
+  const pageWidth = _chunk7BIVNIK5cjs.safeMax.call(void 0, allItems.map((i) => i.x + i.w)) - _chunk7BIVNIK5cjs.safeMin.call(void 0, allItems.map((i) => i.x));
   if (pageWidth < 100) return null;
   let bigoLineIdx = -1;
   for (let i = 0; i < yLines.length; i++) {
@@ -3144,7 +3144,7 @@ function extractBlocksWithGrids(items, pageNum, grids, horizontals, verticals) {
     let finalTextBlocks = [];
     if (remaining.length > 0) {
       const allY = remaining.map((i) => i.y);
-      const pageH = _chunkH2KMJOB6cjs.safeMax.call(void 0, allY) - _chunkH2KMJOB6cjs.safeMin.call(void 0, allY);
+      const pageH = _chunk7BIVNIK5cjs.safeMax.call(void 0, allY) - _chunk7BIVNIK5cjs.safeMin.call(void 0, allY);
       const groups = xyCutOrder(remaining, Math.max(15, pageH * 0.03));
       const textBlocks = [];
       for (const group of groups) {
@@ -3332,7 +3332,7 @@ function extractPageBlocksFallback(items, pageNum, fullPage = false) {
       blocks.push({ type: "paragraph", text: tableText, pageNumber: pageNum, bbox, style: dominantStyle(items) });
     } else {
       const allY = items.map((i) => i.y);
-      const pageHeight = _chunkH2KMJOB6cjs.safeMax.call(void 0, allY) - _chunkH2KMJOB6cjs.safeMin.call(void 0, allY);
+      const pageHeight = _chunk7BIVNIK5cjs.safeMax.call(void 0, allY) - _chunk7BIVNIK5cjs.safeMin.call(void 0, allY);
       const gapThreshold = Math.max(15, pageHeight * 0.03);
       const orderedGroups = proseCutX !== null ? splitTwoColumnProse(items, proseCutX) : xyCutOrder(items, gapThreshold);
       for (const group of orderedGroups) {
@@ -3371,4 +3371,4 @@ function extractPageBlocksFallback(items, pageNum, fullPage = false) {
 
 
 exports.extractImageRegions = extractImageRegions; exports.filterHiddenText = filterHiddenText; exports.collapseEvenSpacing = collapseEvenSpacing; exports.normalizeItems = normalizeItems; exports.computeMedianFontSizeFromFreq = computeMedianFontSizeFromFreq; exports.detectHeadings = detectHeadings; exports.detectMarkerHeadings = detectMarkerHeadings; exports.detectTableCaptions = detectTableCaptions; exports.detectKoreanListBlocks = detectKoreanListBlocks; exports.removeHeaderFooterBlocks = removeHeaderFooterBlocks; exports.extractPageBlocksWithLines = extractPageBlocksWithLines; exports.mergeCrossPageTables = mergeCrossPageTables;
-//# sourceMappingURL=chunk-SKM6KZUH.cjs.map
+//# sourceMappingURL=chunk-3DX6VJGH.cjs.map