韩文办公文档解析工具 kordoc

解决什么问题

韩文办公文档常以 HWP、HWPX 格式沉淀在政府、企业流程中。这些文件不仅包含段落和表格，还可能嵌入表单字段、自动编号、页眉页脚与脚注，且大量使用嵌套表格来表达复杂版式。当代理机构需要读取这类文件时，直接解析往往会遇到三类问题：一是 HWPX 表单中的空值单元格在转换后丢失写入；二是深层嵌套表格在解析时被截断；三是从 HWP 迁移到 HWPX 的过程中出现编码或字符映射异常。

技能如何工作

@user_3c6cb52e/parse-korean-office-documents-for-agents-with-kordoc 围绕 kordoc 工具链提供文档解析能力，核心输出为结构化 Markdown。它的主要能力包括：

• 多格式覆盖：支持 HWP、HWPX、PDF、Excel 与 DOCX，统一转为 Markdown 便于后续检索或 LLM 读取。
• 表单填充：针对 HWPX 表单，修复了空值单元格未写入的问题，可在 setRunText 缺失时自动补建 run 并插入文本。
• 结构保真：保留嵌套表格结构（IRCell.blocks），修复从 HWP 转 HWPX 后 government 文档中 >> 深层表格被漏掉的问题。
• 字符映射与提取：处理韩文兼容字符（PUA）映射，支持 HWP5 图片提取，并包含自动编号、脚注与页眉的精细处理。
• MCP 暴露：除 CLI 外，可将文档工具通过 MCP 服务暴露给 Claude Desktop、Cursor、VS Code 等客户端。

关键步骤通常包括：将文件交给 kordoc 解析，获取 Markdown 或结构化中间表示；若需要填充表单，调用对应 API 写入并校验结果；若需对比文档，基于解析结果进行差异检查。基准测试位于 bench/，可通过 node bench/score.mjs 复现部分能力验证。

适用边界

• 适合韩文办公文档（尤其是 HWP/HWPX）的结构化抽取，不适合替代通用 PDF OCR 或扫描件识别。
• 表单填充依赖上游 kordoc 对特定 HWPX 结构的解析结果，复杂模板仍需人工校验。
• 需要 Node.js 18+ 环境，并在受支持的 AI 客户端中运行。