C# 한글(.hwp)파일 텍스트 추출을 하고싶습니다.

Question

안녕하세요.졸업을 앞두고 있는 대학생입니다.다름아니라 제가 이번에 C#을 공부하면서 한글파일의 텍스트를 추출하는 프로그램을 만들어보고자 하고 있습니다. 현재 한글의 OLE 파일구조를 모두 파악하고 본문의 내용이 있는 Body Text 까지 찾아갔지만, 해당 내용이 zlib를 통해 압축이 되어있어서 내용을 추출하지 못해 막혀있는 상황입니다.해당 내용의 압축을 해제하기위해서 여러방면으로 검색을 해보고 진행을 해보았지만 도무지 진전이 되지 않아서 어떤 쪽으로 방향을 잡고 가야하면 좋을까 여쭤보고자 글을 쓰게 되었습니다.

카스마당 · Answer

음~우선 hwp 파일을 압축을 푸시면 xml 구조를 확인할 수 있습니다.여기서 텍스트만 추출하는건 어렵진 않고요.다만 이전 포맷에서는 압축파일 구조가 아닌 전용 포멧이니HwpCtrl ActiveX 를 임포트하여 처리하시는게 편할겁니다. https://www.hancom.com/board/devmanualList.do?artcl_seq&#61;3978https://walnuttree.tistory.com/187

gdkorea · Answer

C# DLL 이 있는지 모르겠지만 jar 파일로 오픈소스가 있습니다.https://github.com/neolord0/hwplib 정안되면 jar 파일 만들어서 실행시켜서 a.hwp 파일을 a.txt 파일로 변환 처리 해서 txt 파일을 읽어서 처리 하세요. 윗분 말처럼 ActiveX OCX도 있긴 한데, 요즘 세상에 사용하는 것도 그렇고 API도 찾아내는데 시간좀 걸리실거에요. 그리고 한글 버전에 따라서도 다릅니다.

C# 한글(.hwp)파일 텍스트 추출을 하고싶습니다.

2개의 답변

#hwp 목록