kordoc 4.4.0 → 4.5.0

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 +86,28 @@ MCP 등록 대신 스킬(SKILL.md) 형태로 쓰려면:
 
 ---
 
+## v4.5.0 변경사항
+
+- **📄 페이지 옵션 신설**: 용지 크기(A4·A3·B4·B5·Letter·커스텀 mm)·**가로 방향**·**다단**(1~8단)·**머리말/꼬리말**을 생성 옵션으로 지원합니다 — API `page`, CLI `--paper/--landscape/--columns/--header/--footer`, MCP `generate_document` 동명 파라미터. 머리말/꼬리말은 실물 저장본과 동일한 `<hp:header>`/`<hp:footer>` 구조라 한글에서 그대로 조판됩니다.
+- **🔗 하이퍼링크 생성**: `[text](url)`이 텍스트로 뭉개지지 않고 실측 6-param `HYPERLINK` 필드로 방출됩니다 — 한글에서 실제 클릭 가능, 재파싱하면 `[text](url)` 복원(왕복 보존). 표 셀 안 링크 포함.
+- **📎 각주 개체 생성**: `[^1]` 마커 + `[^1]: 본문` 정의가 진짜 `<hp:footNote>` 개체로 방출돼 한글이 페이지 하단에 각주를 조판합니다.
+- **🖼️ 이미지 실데이터 임베드**: `images` 옵션(url→바이트)·`data:` URI·CLI/MCP `--image-dir`로 PNG/JPEG/GIF/BMP를 BinData에 실제로 넣습니다 — 픽셀 치수 자동 환산(96dpi)·본문폭 초과 시 비례 축소. 바이트가 없으면 종전처럼 참조를 placeholder로 보존합니다.
+- **🔍 OCR 저신뢰 폐기 관측**: 내장 OCR이 신뢰도<0.5로 조용히 버리던 라인 수를 `OCR_LOW_CONF` 경고로 노출합니다.
+- **📏 스캔 표 실측 채점 교정**: 표 구조가 아닌 정답(클립아트 장식 그리드·1×1 텍스트박스, 비어있지 않은 셀 <3)을 모수에서 제외하고 제외 수를 투명하게 노출 — 교정 후 스캔 표 매칭 **71.4%**·cellF1 **0.595** (문자 recall·CER은 v4.4.1 실측과 동일).
+
+## 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 +392,7 @@ 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 → -CWYIC4ES.js}

@@ -52,9 +52,9 @@ import {
   resolveBuiltinTemplate,
   unknownFontWarnings,
   validateHwpx
-} from "./chunk-YOZ7ZRCD.js";
+} from "./chunk-45EUJ2P6.js";
 import "./chunk-7FCNOKOR.js";
-import "./chunk-A73RMJ6B.js";
+import "./chunk-UEWW3DH2.js";
 import "./chunk-MOL7MDBG.js";
 import {
   applySplices,
@@ -62,7 +62,7 @@ import {
   buildRangeSplices,
   placeSealHwpx,
   scanSectionXml
-} from "./chunk-RZURSA4N.js";
+} from "./chunk-CBUC73JM.js";
 import {
   DEFAULT_REDACT_RULES,
   redactMarkdown,
@@ -70,10 +70,10 @@ import {
 } from "./chunk-DZIXKL7E.js";
 import {
   blocksToChunks
-} from "./chunk-HNRULYUH.js";
+} from "./chunk-7ZQKECQT.js";
 import {
   blocksToMarkdown
-} from "./chunk-QXYB74QF.js";
+} from "./chunk-ZHNUH2IW.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-WDIPTY3Q.js";
+import "./chunk-TP4P7M4I.js";
 import {
   VERSION
-} from "./chunk-P7YPCK7C.js";
+} from "./chunk-TTEHX4FN.js";
 export {
   BUILTIN_TEMPLATES,
   DEFAULT_REDACT_RULES,
@@ -161,4 +161,4 @@ export {
   unknownFontWarnings,
   validateHwpx
 };
-//# sourceMappingURL=-R6NUMPRV.js.map
+//# sourceMappingURL=-CWYIC4ES.js.map

package/dist/{chunk-W6CUD7V3.js → chunk-2CF2WXBG.js}

@@ -3,11 +3,11 @@ import {
   HEADING_RATIO_H1,
   HEADING_RATIO_H2,
   HEADING_RATIO_H3
-} from "./chunk-A73RMJ6B.js";
+} from "./chunk-UEWW3DH2.js";
 import {
   safeMax,
   safeMin
-} from "./chunk-P7YPCK7C.js";
+} from "./chunk-TTEHX4FN.js";
 
 // src/pdf/image-regions.ts
 import { OPS } from "pdfjs-dist/legacy/build/pdf.mjs";
@@ -3374,4 +3374,4 @@ export {
   extractPageBlocksWithLines,
   mergeCrossPageTables
 };
-//# sourceMappingURL=chunk-W6CUD7V3.js.map
+//# sourceMappingURL=chunk-2CF2WXBG.js.map