한/글 문서 파일 형식: Python을 통한 HWPX 포맷 파싱하기 (2)

간단 소개

Python을 사용하여 HWPX 문서의 본문 데이터를 추출하고, 서식 정보와 연결하는 방법을 설명합니다.

AI Summary

HWPX 본문 구조
- HWPX의 본문은 구역(Section), **문단(Para)**으로 구성되며, 각 구역은 별도의 XML 파일로 저장됩니다.
- 구역 내 문단은 텍스트, 표, 그림 등 다양한 콘텐츠를 포함할 수 있습니다.
데이터 모델 설계 및 추출
- XML 스키마(XSD)와 표준 문서를 기반으로 유연한 데이터 모델을 설계해야 합니다.
- header.xml에서 서식 정보를 추출하고, section.xml에서 본문 내용을 추출하여 연결합니다.
- run 요소는 글자 속성 컨테이너로, 텍스트, 표, 그림 등의 콘텐츠를 포함합니다.
데이터 연결 및 활용
- section.xml의 paraPrIDRef, charPrIDRef 속성을 이용하여 header.xml의 문단 모양, 글자 모양 정보를 참조합니다.
- 추출된 데이터를 통해 문서의 각 텍스트에 적용된 서식을 파악할 수 있습니다.