kordoc 4.7.3 → 4.8.0

package/README.md

@@ -86,6 +86,24 @@ MCP 등록 대신 스킬(SKILL.md) 형태로 쓰려면:
 
 ---
 
+## v4.8.0 변경사항
+
+- **📑 `--format json` 에 페이지별 마크다운 (#68)**: JSON 결과에 `pages: [{ pageNumber, markdown }]` 이 기본으로 들어갑니다. v4.7.3 의 실제 페이지 경계(`pageMode: "layout"`)를 그대로 써서, RAG 인용 각주나 뷰어 페이지 동기화에 쪽 단위 본문을 바로 쓸 수 있습니다. 문서를 다시 파싱하지 않고 이미 만든 블록의 `pageNumber` 로 가르기 때문에 비용은 파싱 시간의 1% 미만입니다(24쪽 PDF 기준 parse 399ms / pages 2.5ms). `--pages 3-5` 를 쓰면 `pages` 에도 3~5쪽만 담기고, 페이지 번호를 매기지 않는 포맷(DOCX 등)에서는 `pages` 자체가 없습니다. 라이브러리에서는 `blocksToPages(blocks)` 로도 같은 값을 얻습니다. (@sorbetsharkroundhand 제안)
+
+  ```jsonc
+  {
+    "markdown": "# 전체 문서…",
+    "pages": [
+      { "pageNumber": 1, "markdown": "# 1페이지…" },
+      { "pageNumber": 2, "markdown": "2페이지…" }
+    ],
+    "blocks": [/* … */],
+    "metadata": { "pageCount": 2, "pageMode": "layout" }
+  }
+  ```
+
+  여러 페이지에 걸친 표는 현 IR 구조상 시작 페이지의 한 블록이라, 표가 이어지는 중간 페이지의 `markdown` 은 빈 문자열입니다(항목 자체는 남깁니다 — 배열 길이 = 쪽수).
+
 ## v4.7.3 변경사항
 
 - **📄 HWP/HWPX 실제 페이지 경계 복원 (#66)**: 한컴 저장본의 조판 캐시(HWPX `linesegarray` / HWP5 `PARA_LINE_SEG`)로 실제 페이지를 복원합니다 — `pageCount`·블록별 `pageNumber` 가 섹션 근사가 아닌 **실제 쪽 번호**가 되고, `parse(buffer, { pages: "3-5" })` 가 실제 3~5쪽을 반환합니다. 신호 4종(vertpos 역행·명시 쪽나눔·분할 표의 셀 흐름 리셋·분할 직후 이중 카운트 억제)을 결합해 실코퍼스 hwp↔hwpx↔pdf 쌍 대조에서 페이지 수 전수 일치. 조판 캐시가 없는 생성 파일은 종전대로 섹션 근사로 동작하며, 새 메타데이터 **`pageMode: "layout" | "section"`** 으로 구분됩니다(근사 상태에서 `pages` 필터 사용 시 `PAGE_BOUNDARY_APPROXIMATE` 경고). RAG 페이지 인용·뷰어 동기화용. (@sorbetsharkroundhand 제안)
@@ -800,7 +818,7 @@ for (const p of r.pageQuality ?? []) {
 npx kordoc 사업계획서.hwpx                          # 터미널 출력
 npx kordoc 보고서.hwp -o 보고서.md                  # 파일 저장
 npx kordoc *.pdf -d ./변환결과/                     # 일괄 변환
-npx kordoc 검토서.hwpx --format json               # JSON (blocks + metadata 포함)
+npx kordoc 검토서.hwpx --format json               # JSON (blocks + pages + metadata 포함)
 npx kordoc 보고서.hwpx --pages 1-3                  # 페이지 범위
 npx kordoc fill 신청서.hwpx -f '성명=홍길동,주소=서울' -o 결과.hwpx  # 양식 채우기
 npx kordoc fill 신청서.hwpx -j values.json -o 결과.hwpx             # JSON 파일로 채우기

package/dist/{-WYNJOQ6P.js → -URO5XBEB.js}

@@ -4,6 +4,7 @@ import {
   HwpxSession,
   PRESET_ALIAS,
   ValueCursor,
+  blocksToPages,
   blocksToPdf,
   compare,
   detectFormat,
@@ -52,9 +53,9 @@ import {
   resolveBuiltinTemplate,
   unknownFontWarnings,
   validateHwpx
-} from "./chunk-W5NZYPRQ.js";
+} from "./chunk-3CBHCDYD.js";
 import "./chunk-7FCNOKOR.js";
-import "./chunk-4KGGVCYX.js";
+import "./chunk-XINP35F4.js";
 import "./chunk-MOL7MDBG.js";
 import {
   applySplices,
@@ -62,7 +63,7 @@ import {
   buildRangeSplices,
   placeSealHwpx,
   scanSectionXml
-} from "./chunk-NYLYIN55.js";
+} from "./chunk-F7RZZI5P.js";
 import {
   DEFAULT_REDACT_RULES,
   redactMarkdown,
@@ -70,10 +71,10 @@ import {
 } from "./chunk-DZIXKL7E.js";
 import {
   blocksToChunks
-} from "./chunk-CGJDCZA3.js";
+} from "./chunk-TXRTH5BV.js";
 import {
   blocksToMarkdown
-} from "./chunk-KEGAEHWO.js";
+} from "./chunk-OKE6G67G.js";
 import {
   SPACE_EM_FIXED,
   SPACE_EM_FONT,
@@ -83,11 +84,11 @@ import {
   renderHwpxToSvg,
   simulateWrap,
   simulateWrapKeepWord
-} from "./chunk-XOO6YEZE.js";
-import "./chunk-VZ3AQVBN.js";
+} from "./chunk-VPAYFTMH.js";
+import "./chunk-ZEQPTIWN.js";
 import {
   VERSION
-} from "./chunk-IMFIACHP.js";
+} from "./chunk-L2Q3NLHX.js";
 export {
   BUILTIN_TEMPLATES,
   DEFAULT_REDACT_RULES,
@@ -100,6 +101,7 @@ export {
   applySplices,
   blocksToChunks,
   blocksToMarkdown,
+  blocksToPages,
   blocksToPdf,
   buildParagraphSplices,
   buildRangeSplices,
@@ -161,4 +163,4 @@ export {
   unknownFontWarnings,
   validateHwpx
 };
-//# sourceMappingURL=-WYNJOQ6P.js.map
+//# sourceMappingURL=-URO5XBEB.js.map

package/dist/{chunk-TXQQ7URG.js → chunk-2ANLGAUG.js}

@@ -3,7 +3,7 @@ import {
   ensureModelsIn,
   getModelStatusIn,
   getModelsDir
-} from "./chunk-4HZN7EZZ.js";
+} from "./chunk-WG473BIB.js";
 
 // src/ocr/models.ts
 import { join } from "path";
@@ -80,4 +80,4 @@ export {
   parseCharacterDict,
   ocrModelPath
 };
-//# sourceMappingURL=chunk-TXQQ7URG.js.map
+//# sourceMappingURL=chunk-2ANLGAUG.js.map

package/dist/{chunk-LMHVMGEC.js → chunk-37SAM3LH.js}

@@ -2,11 +2,11 @@ import {
   HEADING_RATIO_H1,
   HEADING_RATIO_H2,
   HEADING_RATIO_H3
-} from "./chunk-KSATSTC5.js";
+} from "./chunk-BN33O25L.js";
 import {
   safeMax,
   safeMin
-} from "./chunk-46F5RMU7.js";
+} from "./chunk-S4SMUQAT.js";
 
 // src/pdf/image-regions.ts
 import { OPS } from "pdfjs-dist/legacy/build/pdf.mjs";
@@ -3686,4 +3686,4 @@ export {
   extractPageBlocksWithLines,
   mergeCrossPageTables
 };
-//# sourceMappingURL=chunk-LMHVMGEC.js.map
+//# sourceMappingURL=chunk-37SAM3LH.js.map

package/dist/{chunk-W5NZYPRQ.js → chunk-3CBHCDYD.js}

@@ -6,7 +6,7 @@ import {
   HEADING_RATIO_H1,
   HEADING_RATIO_H2,
   HEADING_RATIO_H3
-} from "./chunk-4KGGVCYX.js";
+} from "./chunk-XINP35F4.js";
 import {
   parsePageRange
 } from "./chunk-MOL7MDBG.js";
@@ -22,7 +22,7 @@ import {
   paraTextPureT,
   patchZipEntries,
   scanSectionXml
-} from "./chunk-NYLYIN55.js";
+} from "./chunk-F7RZZI5P.js";
 import {
   MAX_COLS,
   MAX_ROWS,
@@ -32,14 +32,14 @@ import {
   dedupeRunningHeaders,
   flattenLayoutTables,
   mapPuaText
-} from "./chunk-KEGAEHWO.js";
+} from "./chunk-OKE6G67G.js";
 import {
   SPACE_EM_FIXED,
   charWidthEm1000,
   fitRatioForFewerLines,
   measureTextWidth,
   simulateWrap
-} from "./chunk-XOO6YEZE.js";
+} from "./chunk-VPAYFTMH.js";
 import {
   MAX_DECOMPRESS_SIZE,
   MAX_XML_DEPTH,
@@ -55,7 +55,7 @@ import {
   findChildByLocalName,
   localName,
   rawTextContent
-} from "./chunk-VZ3AQVBN.js";
+} from "./chunk-ZEQPTIWN.js";
 import {
   KordocError,
   classifyError,
@@ -67,7 +67,7 @@ import {
   sanitizeHref,
   stripDtd,
   toArrayBuffer
-} from "./chunk-IMFIACHP.js";
+} from "./chunk-L2Q3NLHX.js";
 
 // src/index.ts
 import { readFile } from "fs/promises";
@@ -21434,6 +21434,29 @@ async function fillHwpx(hwpxBuffer, values, blockedLabels) {
   };
 }
 
+// src/page-markdown.ts
+function blocksToPages(blocks) {
+  const firstNumbered = blocks.find((b) => typeof b.pageNumber === "number")?.pageNumber;
+  if (firstNumbered === void 0) return void 0;
+  const byPage = /* @__PURE__ */ new Map();
+  let current = firstNumbered;
+  for (const block of blocks) {
+    if (typeof block.pageNumber === "number") current = block.pageNumber;
+    const bucket = byPage.get(current);
+    if (bucket) bucket.push(block);
+    else byPage.set(current, [block]);
+  }
+  const numbers = [...byPage.keys()];
+  const min = Math.min(...numbers);
+  const max = Math.max(...numbers);
+  const pages = [];
+  for (let pageNumber = min; pageNumber <= max; pageNumber++) {
+    const pageBlocks = byPage.get(pageNumber);
+    pages.push({ pageNumber, markdown: pageBlocks ? blocksToMarkdown(pageBlocks) : "" });
+  }
+  return pages;
+}
+
 // src/hwpx/generator.ts
 import JSZip8 from "jszip";
 
@@ -28869,6 +28892,14 @@ async function parse(input, options) {
     return { success: false, fileType: "unknown", error: "\uBE48 \uBC84\uD37C\uC774\uAC70\uB098 \uC720\uD6A8\uD558\uC9C0 \uC54A\uC740 \uC785\uB825\uC785\uB2C8\uB2E4.", code: "EMPTY_INPUT" };
   }
   const format = detectFormat(buffer);
+  const result = await dispatch(format, buffer, opts);
+  if (result.success && !result.pages) {
+    const pages = blocksToPages(result.blocks);
+    if (pages) return { ...result, pages };
+  }
+  return result;
+}
+async function dispatch(format, buffer, opts) {
   switch (format) {
     case "hwpx": {
       const zipFormat = await detectZipFormat(buffer);
@@ -28895,7 +28926,7 @@ async function parse(input, options) {
 }
 async function parseImage(buffer, options) {
   try {
-    const { parseImageDocument } = await import("./image-ocr-B7TMIG3F.js");
+    const { parseImageDocument } = await import("./image-ocr-O7TKPDTY.js");
     const { blocks, warnings } = await parseImageDocument(buffer, options);
     return {
       success: true,
@@ -28954,7 +28985,7 @@ async function parseHwp(buffer, options) {
 async function parsePdf(buffer, options) {
   let parsePdfDocument;
   try {
-    const mod = await import("./parser-HT7GZOF2.js");
+    const mod = await import("./parser-U3SMCGRK.js");
     parsePdfDocument = mod.parsePdfDocument;
   } catch {
     return {
@@ -29064,6 +29095,7 @@ export {
   fillFormFields,
   extractClickHereFields,
   fillHwpx,
+  blocksToPages,
   PRESET_ALIAS,
   normalizeGongmunPreset,
   incompatibleGongmunWarnings,
@@ -29100,4 +29132,4 @@ export {
   parseHwpml,
   fillForm
 };
-//# sourceMappingURL=chunk-W5NZYPRQ.js.map
+//# sourceMappingURL=chunk-3CBHCDYD.js.map