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

핵심 내용

• Python과 olefile, zlib, BitStream을 이용한 HWP 본문 Section 스트림 파싱 과정 정리
• 문단 헤더, 문단 텍스트, 글자 모양(CharShape), 문단 모양(ParaShape), 레이아웃 정보, 영역 태그를 레코드 단위로 읽는 구조 설명
• 텍스트 내부 제어문자와 확장 컨트롤을 분리하고, secd·cold 같은 컨트롤 ID에 따라 추가 데이터 영역을 파싱하는 방식 소개
• 샘플 HWP 파일을 분석해 글꼴, 색상, 가운데 정렬 등 서식이 실제 문서와 일치함을 확인

적용해볼 점

• HWP 본문은 단순 문자열이 아니라 문단 레코드와 컨트롤 데이터가 함께 있는 구조로 처리 필요
• 문단 속성은 본문 텍스트가 아니라 DocInfo의 모양 정보 ID를 참조하는 방식으로 해석 필요
• 표, 그림 같은 복잡한 객체 파싱은 확장 컨트롤 처리 로직을 별도로 설계할 필요