HWPX 표 파싱 예제 — hp:tbl, hp:tr, hp:tc, cellSpan을 파이썬으로 읽기
HWPX section0.xml 안의 표(hp:tbl)를 파이썬 표준 라이브러리만으로 읽어 병합 셀까지 마크다운 표로 바꾸는 전체 예제 코드입니다.
자세히 보기 →한글 문서(HWP/HWPX) 파싱 기술, LLM RAG 파이프라인 및 개발 노하우를 공유합니다.
HWPX section0.xml 안의 표(hp:tbl)를 파이썬 표준 라이브러리만으로 읽어 병합 셀까지 마크다운 표로 바꾸는 전체 예제 코드입니다.
자세히 보기 →2026년 5월 18일부터 개방형 문서 형식 준수 의무화(HWPX 등)가 시행됐지만, 포맷이 표준화됐다고 파싱까지 쉬워지는 것은 아닙니다. OWPML 구조를 실제로 열어보고 RAG 파이프라인에서 자주 걸려 넘어지는 지점을 짚습니다.
자세히 보기 →행정안전부가 2026년 6월 배포한 AI 도입·활용 가이드는 RAG를 공공 AI 도입의 핵심 전략으로 명시했습니다. 그런데 가이드가 강조하는 '기관 내부의 정확한 최신 문서'를 실제로 AI가 읽을 수 있게 만드는 전처리 단계는 상대적으로 덜 다뤄집니다.
자세히 보기 →새 문서는 HWPX로 쓰면 되지만, 문제는 이미 쌓여 있는 수년치 HWP 아카이브입니다. 공공 AI 프로젝트를 수주한 SI사·개발사가 레거시 문서를 RAG 자산으로 옮기기 전에 확인해야 할 체크리스트를 정리했습니다.
자세히 보기 →모델 성능 문제가 아니라 '문서를 넣는 방식' 때문에 기대만큼의 결과가 안 나오는 경우가 많습니다. 공공·기업 RAG 프로젝트에서 반복적으로 관찰되는 문서 전처리 관련 실패 패턴 5가지를 정리했습니다.
자세히 보기 →범정부 AI 공통기반 활용이 사실상 표준으로 자리잡으면서, 그 위에 얹을 문서 전처리 파이프라인도 보안·데이터 잔류 요건을 처음부터 고려해 설계해야 합니다. 외부 API 호출이 어려운 환경에서 HWP/HWPX 문서를 처리하는 아키텍처 원칙을 정리했습니다.
자세히 보기 →기업 내부 기밀, 계약서, 공공 문서를 RAG 벡터 DB로 전환할 때 검토해야 할 데이터 보존 주기, 파싱 엔진 보안, 접근 제어 등 핵심 보안 가이드를 다룹니다.
자세히 보기 →검색 정확도를 높이기 위해 임베딩은 작은 단위로 수행하고, LLM 답변 생성 시에는 마크다운 상위 섹션 전체 문맥을 제공하는 PDR 아키텍처를 소개합니다.
자세히 보기 →HWP, DOCX, PPTX로 파편화된 사내 비정형 문서를 표준 마크다운으로 정규화하여 벡터 DB 및 LLM 컨텍스트로 통합하는 엔터프라이즈 아키텍처 가이드.
자세히 보기 →행과 열이 복잡한 공공 입찰 평가표와 재무 데이터를 단순 텍스트 추출 방식과 표준 마크다운 표로 각각 LLM에 주입했을 때의 응답 정확도와 수치 추론 차이를 비교 분석합니다.
자세히 보기 →Python RAG 파이프라인에서 HWP 바이너리를 직접 처리할 때의 난점과, MDChange로 마크다운 변환 후 LangChain MarkdownHeaderTextSplitter를 적용하는 2단계 실무 워크플로우를 소개합니다.
자세히 보기 →공공기관 RFP와 과업지시서의 복잡한 평가 기준표를 HWP 마크다운 변환 후 LLM에 주입하여 필수 조항을 빠르게 분석하는 실무 워크플로우를 소개합니다.
자세히 보기 →HWP 텍스트 덤프 시 발생하는 노이즈 토큰 낭비 구조를 분석하고, 대량 문서 파이프라인에서 마크다운 구조화가 가져오는 토큰 효율성 가상 시나리오를 예시 계산으로 살펴봅니다.
자세히 보기 →HWP 파일의 표가 깨진 채로 AI에 입력되었을 때 발생하는 치명적인 AI 환각 사례를 분석하고, RAG 데이터 전처리 시 마크다운 변환의 필요성을 알아봅니다.
자세히 보기 →좌표로만 이루어진 PDF 포맷의 태생적 한계와 기존 추출 방식의 문제점을 분석하고, 다단 레이아웃과 PDF 표 추출이 어려운 기술적 이유를 살펴봅니다.
자세히 보기 →회사 HWP 문서를 깨짐 없이 노션과 옵시디언으로 이관하는 방법을 알아보고, 마크다운 변환을 통한 효율적인 지식 관리 워크플로우를 소개합니다.
자세히 보기 →오픈소스 라이브러리와 MDChange의 파싱 결과를 직접 비교하며, HWP 표 데이터가 소실되는 원인을 분석합니다.
자세히 보기 →RAG 파이프라인 구축 시 토큰 효율성, 세맨틱 청킹 및 표 데이터 의미 보존을 위해 마크다운 변환이 필수인 이유를 설명합니다.
자세히 보기 →HWPX 압축 패키지 내부의 mimetype(application/hwp+zip), header.xml 스타일 참조, Contents/section0.xml의 hp:p·hp:run·hp:t·hp:tbl·hp:cellSpan 구조와 Python 파싱 예제 및 실무 함정을 정리합니다.
자세히 보기 →