[Java] HWP 한글파일을 읽어 파싱하기

서론

---

회사 프로젝트를 진행하던 중 hwp파일을 파싱하여 내부 데이터를 처리해야할 일이 생겼다. 
역시 한국 독자규격인 hwp답게 자료가 더럽게 없었다... 결국 gpt의 도움을 받아 파싱에 성공했다
갓 gpt...

 

아래 순서대로 진행하면 된다.

 

1. 라이브러리 추가

---

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>1.28</version>
</dependency>

<dependency>
    <groupId>xerces</groupId>
    <artifactId>xercesImpl</artifactId>
    <version>2.12.1</version>
</dependency>

 

위 두 라이브러리를 추가해준다.
tika-parsers는 여러 문서에대한 파싱기능을 제공해주는 라이브러리이고

xerces는 파싱 과정에서 필요한 라이브러리이다.

 

2. 소스코드

---

private static void readHWPContents() {
    	File file = new File("읽을 한글파일 경로");
    	
        try (FileInputStream fis = new FileInputStream(file)) {
            // Tika 인스턴스 생성
            BodyContentHandler handler = new BodyContentHandler();
            Metadata metadata = new Metadata();
            ParseContext pContext = new ParseContext();

            // HWP 파서 생성
            HwpV5Parser hwpParser = new HwpV5Parser();

            // 파일 파싱
            hwpParser.parse(fis, handler, metadata, pContext);

            // 결과 출력
            System.out.println("Document Body:");
            System.out.println(handler.toString());

            // 메타데이터 출력
            System.out.println("Metadata:");
            String[] metadataNames = metadata.names();
            for (String name : metadataNames) {
                System.out.println(name + ": " + metadata.get(name));
            }
        } catch (IOException | TikaException | SAXException e) {
            e.printStackTrace();
        }
    }

 

위 코드블럭과 같이 파일을 읽고 HwpV5Parser를 통해 파싱해준 후 handler를 통해 출력된 데이터를 사용하면 된다.

 

추가로 구글링 중 한글파일을 처리할 수 있는 라이브러리를 발견했다.
아래 라이브러리를 사용하면 실제로 읽은 한글파일을 java단에서 수정할 수 있을것 같다.

GitHub - neolord0/hwplib: hwp library for java