텍스트 추출기 사용법
- .hwp 파일을 드롭존에 놓습니다. (DOCX, PDF, XLSX, CSV, TXT, MD도 동일하게 동작합니다.)
- 분석이 끝나면 왼쪽 입력창에 추출된 본문 텍스트가 채워지고, 오른쪽에 글자 수·단어 수·줄 수가 표시됩니다.
- 필요하면 입력창에서 직접 내용을 다듬은 뒤 [다운로드 .txt] 로 저장하거나 [복사] 버튼으로 클립보드에 담습니다.
공문 내용을 메일 본문에 옮겨 적어야 할 때, 보고서 문장을 AI 요약 도구나 번역기에 넣고 싶을 때, 여러 HWP 문서에서 특정 문구를 찾아야 할 때 유용합니다. 한글 프로그램에서 '다른 이름으로 저장 → 텍스트'를 하는 것과 같은 결과를 설치 없이 얻을 수 있습니다.
추출 원리
HWP 5.0 문서는 CFB(복합 문서) 컨테이너 안에 압축된 본문 스트림(BodyText/Section*)을 담고 있습니다. 추출기는 다음 순서로 동작합니다.
- CFB 구조를 읽어 FileHeader의 속성 비트에서 압축 여부와 암호 여부를 확인합니다.
- Section0, Section1 … 스트림을 차례로 꺼내 raw deflate 압축을 해제합니다.
- 압축이 풀린 데이터를 '레코드' 단위(태그 ID·레벨·크기를 담은 4바이트 헤더 + 데이터)로 순회하면서 문단 텍스트(PARA_TEXT) 레코드만 골라냅니다.
- 문단 텍스트는 UTF-16LE 문자열이며, 중간에 섞인 표·각주·필드 등을 나타내는 제어 문자(8글자 단위)는 건너뛰고 탭·줄바꿈은 그대로 살립니다.
이 방식은 화면 레이아웃을 계산하지 않기 때문에 매우 빠르고, 표나 그림이 복잡해서 뷰어에서 깨져 보이는 문서라도 글자는 대부분 정상적으로 뽑아낼 수 있습니다.
추출 결과 활용 팁
- 표 데이터: 표 안의 글자는 셀 순서대로 줄바꿈되어 나옵니다. 표 형태가 꼭 필요하면 한글 프로그램에서 표를 엑셀로 복사하는 편이 낫습니다.
- 각주·머리말: 본문 흐름 안에 함께 포함될 수 있으니, 필요 없는 부분은 입력창에서 지운 뒤 저장하세요.
- 개인정보 제거: 추출한 텍스트를 외부에 공유하기 전에 '개인정보 자동 마스킹 도구'로 주민번호·전화번호·이메일을 한 번에 가릴 수 있습니다.
추출이 안 되는 경우
- 배포용 문서: 편집·복사 금지 설정이 된 배포용 HWP는 본문이 암호화(ViewText)되어 있어 추출할 수 없습니다.
- 암호 문서: 열기 암호가 걸린 문서는 지원하지 않습니다.
- HWP 3.0 이하: 구조가 달라 현재 지원하지 않습니다. (HWPX는 지원합니다.)
이 경우 오류 메시지로 원인을 안내하며, 파일 내용은 어디에도 전송되지 않습니다.
자주 묻는 질문
표 안의 글자도 추출되나요?
네. 표 셀 안의 문단도 문서에 나오는 순서대로 함께 추출됩니다. 다만 표의 행·열 구조는 줄바꿈으로 단순화됩니다.
추출한 텍스트 인코딩은 무엇인가요?
다운로드되는 TXT 파일은 UTF-8 인코딩입니다. 윈도우 메모장, 맥 텍스트 편집기 등 대부분의 프로그램에서 한글이 깨지지 않고 열립니다.
배포용 HWP 파일은 왜 안 되나요?
배포용 문서는 본문이 암호화되어 있어 작성자가 허용한 프로그램에서만 열리도록 설계되어 있습니다. 작성자의 의도를 존중해 해제 기능을 제공하지 않습니다.
여러 파일을 한 번에 변환할 수 있나요?
현재는 한 번에 한 파일씩 처리합니다. 파일을 다시 끌어다 놓으면 새 파일로 바로 교체됩니다.