SuperAPI AI 工具集

oma-hwp

设计与创作

查看项目

更新于 10-15 21:42

技能介绍

用途:将韩文 HWP 系列文档(.hwp、.hwpx、.hwpxml)转换为可读的 Markdown 或结构化 JSON,保留标题、表格、嵌套表格、列表、图片、脚注和超链接等结构,便于 LLM 上下文、RAG、政府文档审阅或企业文档处理。

主要能力:支持 HWP 5.x 二进制、HWPX、HWPML;输出格式可选 markdown(默认)、json(结构化 AST)或 chunks(面向 RAG 的结构化分块 JSON,含标题面包屑和独立表格块);默认对 Markdown 做表格扁平化并去除私用区字形;可指定页面范围、输出路径或目录、固定 kordoc 版本。

使用方式:依赖 bun 与 bunx。典型命令为 bunx kordoc@latest "{input_path}" -o "{output_path}",随后运行 resources/flatten-tables.ts 做后处理;批量转换使用 -d "{output_dir}"。首次克隆需在 resources/ 目录执行 bun install。

适用场景:韩文 HWP 文档转 Markdown、为 LLM/RAG 准备韩文政府或企业文档、从 HWP 提取结构化内容。

限制:不处理 PDF(应使用 oma-pdf)、XLSX/DOCX(超出范围,可直接运行 bunx kordoc);不生成或编辑 HWP 文档;加密或 DRM 锁定文档可能受限;扫描图像内容可能输出为空,需另行 OCR;复杂合并表格可能被扁平化,牺牲单元格保真度。缺失事实暂未提供。