UNHWP — 한글 문서 → 마크다운 추출기
안녕하세요. 야금야금입니다.
"한글 파일(.hwp) 내용을 프로그램에서 못 읽던데", "공문서를 마크다운으로 바꿀 방법이 없을까" — 한국 개발환경의 고질병을 푸는 라이브러리입니다. UNHWP를 정리합니다.
✔️ UNHWP — HWP/HWPX → 마크다운·텍스트·JSON 추출 Rust 라이브러리
✔️ 제목·목록·표·서식 구조 보존 + 이미지 등 에셋 추출
✔️ Rayon 병렬 처리, C-ABI FFI로 C#·Python 연동, GitHub 자동 업데이트
왜 필요한가
한글 문서는 닫힌 포맷이라 뚫기 어렵습니다
1HWP의 벽
공공기관 문서가 마크다운으로 안 열리는 이유
HWP는 OLE/CFB 바이너리라 일반 파서가 못 읽고, HWPX도 XML이지만 구조가 복잡합니다. UNHWP는 둘 다(구형 HWP 3.x는 feature 플래그로) 파싱해서 제목·목록·표·본문 서식을 살린 마크다운이나 전체 메타데이터 JSON으로 꺼내줍니다 — 문서 안의 이미지 같은 에셋도 같이 추출됩니다.
쓰는 법
CLI 한 줄 또는 Rust 코드 몇 줄
2CLI와 라이브러리
`unhwp document.hwp` 한 줄로 끝
CLI로는 `unhwp document.hwp` — `<파일명>_output/` 폴더가 생깁니다. Rust에선 `parse_file`/`to_markdown`으로 바로 쓰고, Python·C#은 FFI로 붙입니다. 문서가 크면 Rayon으로 섹션을 병렬 처리하고, Tokio 비동기도 옵션입니다.
자주 묻는 질문
Q. UNHWP가 뭔가요?
A. HWP/HWPX를 마크다운으로 추출하는 Rust 라이브러리입니다.
Q. 지원 형식은요?
A. HWP 5.0·HWPX 기본, HWP 3.x는 옵션입니다.
Q. 다른 언어에서도 되나요?
A. C-ABI FFI로 Python·C# 등에서 호출됩니다.
마무리
오늘은 한글 문서 추출 라이브러리 UNHWP를 정리했습니다.
hwp 파일을 파이프라인에 넣어야 한다면 github.com/iyulab/unhwp를 보세요.



댓글 0개