hwp2md

Python용 HWP/HWPX to Markdown 변환기.

한글(HWP 5.0 및 HWPX) 파일을 LLM에 최적화된 깔끔한 Markdown으로 변환합니다.

주요 기능

• ✅ HWP 5.0 및 HWPX 파일에서 텍스트 추출
• ✅ HWPX (ZIP+XML) 형식 지원 (확장자 자동 감지)
• ✅ 표를 Markdown 형식으로 변환
• ✅ 문서 구조 보존
• ✅ 셀 병합 처리 (LLM 최적화를 위한 내용 반복)
• ✅ CLI 도구로 빠른 변환

설치

# pip 사용
pip install hwp2md

# uv 사용
uv add hwp2md

사용법

CLI

# Markdown으로 변환 (stdout 출력)
hwp2md document.hwp

# HWPX 파일 변환 (자동 감지)
hwp2md document.hwpx

# 파일로 저장
hwp2md document.hwp -o output.md
hwp2md document.hwpx -o output.md

# uvx로 설치 없이 실행
uvx hwp2md document.hwp

Python API

from hwp2md import convert

# HWP 또는 HWPX 변환 (확장자로 자동 감지)
markdown = convert("document.hwp")
markdown = convert("document.hwpx")
print(markdown)

제한사항

• HWP 5.0 및 HWPX 지원 - 이전 HWP 형식(HWP 3.0, HWP 97, HWP 2002 등)은 지원하지 않음
  • 레거시 HWP 파일은 한컴오피스에서 HWP 5.0 또는 HWPX로 변환 가능
  • 레거시 형식 감지 시 오류 발생
• 텍스트 & 표 - 현재 텍스트와 표만 추출하며, 이미지 및 복잡한 개체는 건너뜀
• 한국어 중심 - 한국어 문서에 최적화 (UTF-16LE 인코딩)
• 기본 서식만 - 글꼴, 색상, 고급 스타일은 보존하지 않음

개발

# 의존성 설치
uv sync

# CLI 실행
uv run hwp2md document.hwp

# 테스트 실행
uv run pytest

라이선스

MIT