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

간단 소개

Python을 사용하여 HWP 파일의 본문을 파싱하고, 텍스트, 글자 모양, 문단 모양을 추출하는 방법을 설명합니다.

AI Summary

HWP 파일 본문 파싱
- Python을 사용하여 HWP 파일의 본문 데이터를 추출하는 방법 설명
- Section 스트림을 zlib으로 압축 해제 후 문단 단위 레코드를 읽는 과정 제시
- 텍스트, 제어 문자, 글자 모양(CharShape), 문단 모양(ParaShape) 파싱 절차 상세 설명
본문 데이터 구조 및 파싱 과정
- HWPTAG_PARA_TEXT 레코드에서 실제 문단 텍스트 추출, 제어 문자 처리 방법 설명
- HWPTAG_CTRL_HEADER 레코드를 통해 '구역 정의'와 '단 정의' 같은 확장 컨트롤 데이터 영역 확인
- 글자 모양과 문단 모양을 파싱하여 폰트, 크기, 색상, 정렬 등 서식 정보 획득
샘플 파일 분석 및 파서 구조
- 파서가 HWP 파일을 Document, SectionList, ParaList, CtrlList, ShapeManager 계층 구조로 해석하는 방식 설명
- 샘플 파일 분석을 통해 파싱된 데이터가 실제 HWP 파일의 서식과 일치함을 검증
- 다음 단계로 표, 그림 등 복잡한 컨트롤 객체 파싱 방법 예고