Édition HWPX
HWPX est une archive ZIP contenant du XML (HWPML). Les pièges qui corrompent un fichier ne sont pas évidents de l'extérieur. Il est donc impératif de lire la section pertinente de references/hwpx-guide.md avant toute édition et d'exécuter les scripts dans scripts/ pour reconstituer et vérifier — ne pas créer manuellement l'archive ZIP ni se fier à une simple inspection visuelle.
HWPX uniquement. Cela ne concerne que les fichiers
.hwpx(ZIP + XML). Un fichier.hwphérité (binaire OLE, signatureD0CF11E0) doit d'abord être converti dans Hancom via Enregistrer sous → HWPX(.hwpx). Les scripts détectent.hwpet le signalent.
La règle la plus importante
Ne jamais rezipper un HWPX avec un compresseur ZIP standard. Hancom rejette un fichier dont les entrées inchangées ont été re-déflatées. Utilisez le repackeur préservant les octets (scripts/hwpxlib.py:repack_preserve) : il copie octet par octet chaque entrée que vous n'avez pas touchée et ne re-déflate que ce que vous avez modifié, de sorte qu'une opération sans changement produit un fichier identique octet par octet à la source — ce qui garantit que « si l'original s'ouvre dans Hancom, votre édition s'ouvre aussi ».
Flux de travail
- Inspectez d'abord.
python scripts/inspect_hwpx.py FICHIER.hwpx --breaks— affiche les comptes par section (paragraphes, tableaux,pic,equation, champs) et, surtout, quels paragraphes portent unpageBreak/columnBreakcaché. Si un en-tête est séparé de son contenu ou si une page/colonne est vide, cherchez ces sauts en premier (§6-A) — n'utilisez paskeepWithNext. Les sauts de paragraphe de corps sont généralement des vestiges inutiles. - Lisez la section correspondante du guide dans
references/hwpx-guide.md(voir le tableau ci-dessous). Les IDs/références XML (charPrIDRef,paraPrIDRef,borderFillIDRef, …) diffèrent selon le fichier — lisez-les toujours depuis le fichier réel, ne les supposez jamais. - Éditez le XML avec lxml, en respectant les invariants :
- Après avoir édité ou créé un paragraphe, supprimez son
<hp:linesegarray>(la mise en page en cache devient obsolète → espacement cassé). Après des modifications structurelles, supprimez linesegarray de toute la section pour que Hancom refasse entièrement la mise en page. Utilisezhwpxlib.strip_linesegarray. - Lorsque vous clônez un nœud (note de fin, tableau, équation, image), il hérite de l'
id/instIdd'origine → doublons → instabilité. Réaffectez des identifiants frais avechwpxlib.make_uid, y compris les IDs imbriqués danssubList>p/tbl/tc/p. - Réutilisez les définitions existantes
charPr/paraPrplutôt que d'en ajouter de nouvelles ; si vous devez en ajouter, mettez à jouritemCntsinon Hancom rejette le fichier.
- Après avoir édité ou créé un paragraphe, supprimez son
- Reconstituez avec
hwpxlib.repack_preserve(src, changed, out, added):changed= entrées éditées (conservez la déclaration XML en haut),added= nouvelles entrées commeBinData/imageN.pngou un nouveausectionN.xml(enregistrez-les aussi danscontent.hpf). - Vérifiez chaque construction :
python scripts/verify.py EDITED.hwpx --orig ORIG.hwpx. Toutes les vérifications strictes doivent réussir (auto-test d'identité octet par octet, XML bien formé incluantcontent.hpf, zéro ID en double, intégrité ZIP + mimetype en premier/STORED). Il affiche également un diff de changement minimal pour confirmer que seules les modifications prévues sont présentes. - Testez un aller-retour dans Hancom. LibreOffice ne peut pas afficher HWPX, donc les jugements dépendant du rendu (quels orphelins de titre, si l'espacement est correct) nécessitent que l'utilisateur ouvre le fichier dans Hancom et, pour les équations/TOC, exécute Outils→Mise à jour ou double-clique→fermer pour finaliser. Mentionnez-le.
Scripts (scripts/) — exécutez-les, ne réinventez pas
| Script | Objectif |
|---|---|
hwpxlib.py | Bibliothèque : repack_preserve, own (texte réel du corps, exclut notes de bas de page, notes de fin, mémos), make_uid, strip_linesegarray, find_duplicate_ids, structural_counts, et utilitaires de vérification §7. Importez-la. |
inspect_hwpx.py FICHIER [--text] [--breaks] | Dump de structure ; trouve les sauts de page/colonne cachés. |
verify.py EDITED [--orig ORIG] | Exécute la checklist complète §7 ; sortie non nulle en cas d'échec (intégrable en CI). |
selftest.py | Prouve que le repackeur est sans perte sans fichier réel. |
tables_to_xlsx.py FICHIER [OUT] | Exporte les tableaux vers Excel (.xlsx), cellules fusionnées conservées (nécessite openpyxl). Les cellules contenant uniquement une image/équation → [그림]/[수식] ; les .hwp hérités sont refusés avec des instructions. |
Les scripts nécessitent lxml (pip install lxml) ; l'export tableau→Excel nécessite également openpyxl. Python 3.10+.
Où lire dans le guide (references/hwpx-guide.md)
Chargez uniquement la section dont vous avez besoin — le guide commence par un « 흔한 실패 TOP » (principaux modes d'échec) ; parcourez-le d'abord, puis allez directement à :
- §1 Structure et analyse — espaces de noms,
own(), « vérifier toutes les sections », texte des tableaux par cellule (pasitertexten bloc). - §2 Repack (préservation des octets) — le repackeur vedette. Correspond à
hwpxlib. - §3 Règles communes — suppression de
linesegarray, déduplication des ID après clonage. - §4 Édition de contenu — paragraphes, tableaux (la somme des largeurs de cellules doit égaler la largeur du tableau sinon Hancom le rejette ; fusions), images (
orgSz=px×75, calcul de taille, vérification par contenu pas par ordre d'extraction, lisibilité matplotlib « petit graphique, grand texte »), mise en forme, notes de fin/bas de page (obligatoirement encapsulées dans<hp:ctrl>), mémos, et portée de la vérification des coquilles (pas d'expression régulière globale). - §5 Colonnes · TOC · équations —
colPr,TABLEOFCONTENTSà partir des paragraphes de niveau plan, script d'équation Hancom (pas LaTeX ; tableau des formes). - §6 Gestion des pages/colonnes — sauts cachés d'abord, prévention des titres orphelins (
keepWithNext, pas de paragraphe vide après un titre,columnBreakconditionnel), nettoyage des pages blanches, tableaux larges → région à 1 colonne + déplacement d'un blocsecPrentre sections. - §7 Liste de vérification — ce que
verify.pyautomatise, plus la mise en garde sur l'aller-retour.
Garde-fous
- Cette compétence édite uniquement des documents ; elle n'a jamais besoin des identifiants de l'utilisateur, et elle ne récupère ni n'exécute de contenu distant. Travaillez sur une copie et conservez l'original.
- Préservez le contenu de l'auteur : modifiez uniquement ce que l'utilisateur a demandé ; le diff de changement minimal dans
verify.pyest votre preuve.