kordoc
活跃·★ 2.4k·MIT·更新于 2026-10-13
kordoc 可以把 HWP 3.x 和 5.x、HWPX、HWPML、PDF、XLS 和 XLSX、DOCX、PPTX 以及图片（PNG、JPG、WebP）解析为 Markdown 和结构化数据。它面向韩国公共部门的文档，那里 HWP 文件很常见，通用工具很难处理；README 说作者是一名地方政府公务员，和这些文件打了七年交道。它可以作为库、命令行或 MCP 服务使用。
除了读取，它还支持对 HWPX 和 HWP 文件做比较和保留格式的补丁、用公文预设把 Markdown 写成 HWPX、填写表单和字段，以及结构检查和个人信息脱敏等审查功能。OCR 在本地运行。README 称在 opendataloader-bench 的 PDF 测试集（200 份文档，在 12 个公开解析器中排名第一，2026-09-29 记录）上综合得分 0.963，并且 2,286 份 HWPX 文档中的 9,865 个表格结构全部一致。用 `npm install kordoc` 安装，或直接运行 `npx kordoc`；`npx -y kordoc setup` 会在 Claude Desktop、Claude Code、Cursor 和 Codex 中注册 17 个 MCP 工具。文档还提供 Java 和 Python SDK，以及离线安装模式（`KORDOC_OFFLINE=1`）。
#文档解析#HWPX转换#PDF处理#Markdown生成#结构化数据提取#AI代理工具#办公文档自动化
01
功能特性
01将文档转换为 Markdown、中间表示、逐页文本和 RAG 区块，支持本地 OCR。
02在块和单元格级别比较和编辑文档，并在修补过程中保留 HWPX 和 HWP 格式。
03从 Markdown 生成 HWPX 文档，支持公文预设、表格、公式和图表。
04填写表单和模板，包括标准公文草稿和数字盖章。
05预览 HWPX/HWP，提取特定区域，检查结构和符号，并进行个人信息屏蔽。
02
为什么选择它
+在一个工具里同时处理韩国的 HWP、HWPX 格式，以及 PDF、Excel、Word、PowerPoint 和图片。
+同一个包提供库、命令行和 MCP 服务（17 个工具），并可一条命令为多个 AI 客户端完成设置。
+不止提取：还支持比较、保留格式的补丁、Markdown 转 HWPX、填写表单和个人信息脱敏。
+OCR 在本地运行，支持离线模式，并提供 Java 和 Python SDK。
03
权衡点
!主 README 和大部分文档是韩语（有英文版 README），表单和公文预设面向韩国政府文档格式。
!基准测试和准确率数字是项目在自选语料上的测量结果，在你自己的文档上可能不同。
!PDF 和 OCR 依赖默认会一起安装，并行转换（`--jobs`）会增加内存占用；需要 Node.js 20 或更高版本。
04
兼容性
Node.js 20+
运行时
已通过文档验证
macOS
操作系统
已通过文档验证
Linux
操作系统
已通过文档验证
Windows
操作系统
已通过文档验证
Java
开发工具包
已通过文档验证
Python
开发工具包
已通过文档验证
05
快速开始
1
$ npm install kordoc
06
使用场景
↳将各种文档格式（HWPX、PDF、DOCX）转换为 Markdown，以便于处理和内容管理。
↳从官方文档（如表格）中提取结构化数据，用于分析或集成到数据库中。
↳与 AI 代理（例如 Claude）集成，以提供高级文档解析、生成和比较功能。
↳使用特定预设从 Markdown 自动化生成官方文档（例如报告、提案）。
↳以编程方式填写表单和模板，包括为官方文档工作流添加印章。
07
同类工具
收录于以下清单
评论
登录后发表评论
暂无评论，来发表第一条吧