HWPX-Bearbeitung
HWPX ist ein ZIP von XML (HWPML). Die Fallstricke, die eine Datei beschädigen, sind von außen nicht offensichtlich. Lesen Sie daher vor der Bearbeitung den entsprechenden Abschnitt von references/hwpx-guide.md und führen Sie die Skripte in scripts/ zum Neupacken und Überprüfen aus – erstellen Sie das ZIP nicht von Hand oder verlassen Sie sich auf bloßes Augenschein.
Nur HWPX. Dieses Handbuch behandelt ausschließlich
.hwpx(ZIP + XML). Eine ältere.hwp(OLE-Binärdatei, SignaturD0CF11E0) muss zuerst in 한글 konvertiert werden über 다른 이름으로 저장 → HWPX(.hwpx). Die Skripte erkennen.hwpund geben eine entsprechende Meldung aus.
Die eine Regel, die am wichtigsten ist
Packen Sie ein HWPX niemals mit einem normalen ZIP-Schreiber neu. 한글 lehnt eine Datei ab, deren unveränderte Einträge erneut dekomprimiert wurden. Verwenden Sie den roherhaltenden Neupacker (scripts/hwpxlib.py:repack_preserve): Er kopiert jeden nicht bearbeiteten Eintrag bytegenau und dekomprimiert nur das, was Sie geändert haben, sodass ein No-Op-Neupacken byteidentisch zur Quelle ist – was bedeutet: „Wenn das Original in 한글 geöffnet wird, öffnet sich auch Ihre Bearbeitung.“
Arbeitsablauf
- Zuerst inspizieren.
python scripts/inspect_hwpx.py DATEI.hwpx --breaks– sehen Sie abschnittsweise Zählungen (Absätze, Tabellen,pic,equation, Felder) und, entscheidend, welche Absätze einen verstecktenpageBreak/columnBreaktragen. Wenn eine Überschrift von ihrem Inhalt getrennt ist oder eine Seite/Spalte leer ist, jagen Sie zuerst diese Umbrüche (§6-A) – greifen Sie nicht zukeepWithNext. Umbruche in Textabsätzen sind normalerweise übrig gebliebener Ballast. - Lesen Sie den entsprechenden Leitfadenabschnitt in
references/hwpx-guide.md(Zuordnung unten). Die XML-IDs/Referenzen (charPrIDRef,paraPrIDRef,borderFillIDRef, …) unterscheiden sich pro Datei – lesen Sie sie immer aus der tatsächlichen Datei aus, niemals annehmen. - Bearbeiten Sie das XML mit lxml unter Beachtung der Invarianten:
- Entfernen Sie nach dem Bearbeiten oder Erstellen eines Absatzes immer dessen
<hp:linesegarray>(zwischengespeichertes Zeilenlayout wird veraltet → defekter Abstand). Entfernen Sie nach strukturellen Bearbeitungen das linesegarray aus dem gesamten Abschnitt, damit 한글 das Layout vollständig neu berechnet. Verwenden Siehwpxlib.strip_linesegarray. - Wenn Sie einen Knoten klonen (Endnote, Tabelle, Gleichung, Bild), erbt er die
id/instIddes Originals → Duplikate → Instabilität. Weisen Sie neue IDs mithwpxlib.make_uidzu, einschließlich der IDs in verschachteltensubList>p/tbl/tc/p. - Verwenden Sie vorhandene
charPr/paraPr-Definitionen wieder, anstatt neue hinzuzufügen; wenn Sie hinzufügen müssen, aktualisieren Sie dasitemCnt, sonst lehnt 한글 die Datei ab.
- Entfernen Sie nach dem Bearbeiten oder Erstellen eines Absatzes immer dessen
- Neupacken mit
hwpxlib.repack_preserve(quelle, geändert, ausgabe, hinzugefügt):geändert= bearbeitete Einträge (XML-Deklaration oben lassen),hinzugefügt= neue Einträge wieBinData/imageN.pngoder eine neuesectionN.xml(auch incontent.hpfregistrieren). - Jede Erstellung überprüfen:
python scripts/verify.py BEARBEITET.hwpx --orig ORIGINAL.hwpx. Alle harten Prüfungen müssen bestehen (Byteidentität-Selbsttest, wohlgeformtes XML inkl.content.hpf, null doppelte IDs, ZIP-Integrität + mimetype zuerst/GESPEICHERT). Es gibt auch eine minimale Änderungsdifferenz aus, damit Sie bestätigen können, dass nur die beabsichtigten Änderungen vorhanden sind. - Rückwärtskompatibilität in 한글. LibreOffice kann HWPX nicht rendern, daher benötigen rendernabhängige Beurteilungen (welche Überschriften verwaist sind, ob Abstände richtig aussehen) das Öffnen der Datei in 한글 durch den Benutzer und bei Gleichungen/Inhaltsverzeichnis das Ausführen von 도구→차례 새로 고침 oder Doppelklick→Schließen zum Finalisieren. Sagen Sie dies.
Skripte (scripts/) – führen Sie diese aus, erfinden Sie sie nicht neu
| Skript | Zweck |
|---|---|
hwpxlib.py | Bibliothek: repack_preserve, own (echter Textkörper, schließt 각주·미주·메모 / Fußnoten·Endnoten·Memo aus), make_uid, strip_linesegarray, find_duplicate_ids, structural_counts, plus §7-Verifizierungshilfen. Importieren Sie es. |
inspect_hwpx.py DATEI [--text] [--breaks] | Strukturauszug; versteckte Seiten-/Spaltenumbrüche finden. |
verify.py BEARBEITET [--orig ORIGINAL] | Führen Sie die vollständige §7-Checkliste aus; Exit-Code ungleich Null bei Fehlschlag (CI-tauglich). |
selftest.py | Beweisen Sie, dass der Neupacker verlustfrei ist, ohne eine echte Datei. |
tables_to_xlsx.py DATEI [AUSGABE] | Exportieren Sie Tabellen nach Excel (.xlsx), zusammengeführte Zellen erhalten (benötigt openpyxl). Zellen mit nur einem Bild/einer Gleichung → [그림]/[수식]; ältere .hwp wird mit Anleitung abgelehnt. |
Skripte benötigen lxml (pip install lxml); der Tabellen→Excel-Export benötigt auch openpyxl. Python 3.10+.
Wo im Leitfaden lesen (references/hwpx-guide.md)
Laden Sie nur den Abschnitt, den Sie benötigen – der Leitfaden beginnt mit einer „흔한 실패 TOP“ (häufige Fehlermodi); überfliegen Sie dies zuerst, springen Sie dann zu:
- §1 Struktur & Parsen – Namensräume,
own(), „alle Abschnitte prüfen“, Tabellentext pro Zelle (nicht alsitertext-Menge). - §2 Neupacken (roherhaltend) – der Kronjuwel-Neupacker. Spiegelt
hwpxlib. - §3 Allgemeine Regeln – Entfernung von
linesegarray, ID-Deduplizierung nach Klonen. - §4 Inhaltsbearbeitung – Absätze, Tabellen (Zellenbreitensummen müssen der Tabellenbreite entsprechen oder 한글 lehnt sie ab; Zusammenführungen), Bilder (
orgSz=px×75, Größenberechnung, Überprüfung nach Inhalt nicht Extraktionsreihenfolge, matplotlib-Lesbarkeit „kleines Bild, großer Text“), Formatierung, Endnoten/Fußnoten (<hp:ctrl>-Umschließung erforderlich), Memos und Rechtschreibprüfungsbereich (keine pauschalen Regex). - §5 Spalten · Inhaltsverzeichnis · Gleichungen –
colPr,TABLEOFCONTENTSaus Absätzen mit Gliederungsebene, 한컴-Gleichungsskript (nicht LaTeX; Tabelle der Formulare). - §6 Seiten-/Spaltenverwaltung – versteckte Umbrüche zuerst, Verwaiste-Überschrift-Verhinderung (
keepWithNext, kein leerer Absatz nach einer Überschrift, bedingtercolumnBreak), Bereinigung leerer Seiten, breite Tabellen → 1-Spalten-Region + Verschieben einessecPr-Blocks über Abschnittsgrenzen hinweg. - §7 Verifizierungscheckliste – was
verify.pyautomatisiert, plus den Rückwärtskompatibilitätshinweis.
Leitplanken
- Dieses Handbuch bearbeitet nur Dokumente; es benötigt niemals die Anmeldedaten des Benutzers und ruft keine Remote-Inhalte ab oder führt sie aus. Arbeiten Sie auf einer Kopie und bewahren Sie das Original.
- Bewahren Sie den Inhalt des Autors: Ändern Sie nur, was der Benutzer verlangt hat; die minimale Änderungsdifferenz in
verify.pyist Ihr Nachweis.