kordoc解析选项详解OCR·页数·纯文本·HTML表格17个参数逐个拆解【免费下载链接】kordoc모두 파싱해버리겠다 — HWP·HWPX·PDF·Office 문서를 Markdown으로. 양식 자동 채우기와 신구대조를 갖춘 CLI·MCP 서버 | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff项目地址: https://gitcode.com/gh_mirrors/ko/kordockordoc是一款把 HWP、HWPX、PDF、DOCX 等韩国办公文档一键转成 Markdown 的开源转换工具而它 CLI 里藏着的 17 个解析选项才是真正决定转换质量的关键。本文带你逐个拆解--ocr、--pages、--plain、--html-tables等参数的作用、默认值和适用场景帮你快速写出最合适的 kordoc 解析命令。先搞清楚选项都在哪里定义所有解析选项集中定义在 src/cli.ts 中官方完整的 CLI 参考见 docs/usage.md。安装后无需配置直接npx kordoc 文件.hwpx即可开始。选项可以分成 4 大类分类参数解决什么问题 内容范围--pages、--password只转哪几页 / 打开加密文档 识别增强--ocr、--ocr-force、--formula-ocr扫描件、无文字层 PDF✂️ 结构裁剪--plain、--no-images、--no-tables、--no-header-footer只留干净正文 表格控制--html-tables、--keep-layout-tables、--keep-empty-cols等保住复杂表格结构一、内容范围类页数与密码1️⃣--pages只转换指定页npx kordoc 보고서.pdf --pages 1-3支持1-3、1,3,5-7等多种写法见 src/cli.ts。PDF 和带排版缓存的 HWP 文件按真实物理页截取没有缓存的 HWPX 按章节近似定位。做 RAG 切片或只处理合同某几页时非常实用。2️⃣--password打开加密文档npx kordoc 잠긴문서.hwpx --password 密码 -o 결과.md仅支持 HWPX / HWP3 / HWP5 的打开密码韩方 DRM 加密不在范围内。解析选项如何传递到解析器可以看 src/cli/convert.ts。二、识别增强类OCR 三件套 ⚡扫描件转 Markdown 的救命参数按强度递增排列3️⃣--ocr按需 OCRnpx kordoc 스캔본.pdf --ocr只对扫出来的、没有文字层的页启用内置 PP-OCRv5 韩语模型约 18MB首次自动下载。这是处理扫描公文、扫描报表的最快方式。4️⃣--ocr-force强制全页 OCR即使 PDF 有文字层也全部重新识别——适合OCR 质量烂过原文字层的老扫描仪文档。代价是速度明显变慢按需使用。5️⃣--formula-ocr数式 OCRnpx kordoc 논문.pdf --formula-ocr用 MFDMFR ONNX 模型约 155MB把数学公式识别成$…$/$$…$$。处理学术论文、试题集时的必备选项。 小贴士完全无文字层的 PDF 直接转会得到IMAGE_BASED_PDF错误码此时加上--ocr即可错误码对照表见 docs/usage.md。三、结构裁剪类让输出更干净 6️⃣--plain纯文本 Markdownnpx kordoc 보고서.hwpx --plain -o 결과.md去掉图片占位符、链接 URL、加粗/下划线等装饰只保留标题、列表和表格结构。做索引、喂 RAG 向量库时最干净——这也是官方文档推荐的色인·RAG 용选项见 docs/usage.md。7️⃣--no-images只留文字不提取、不输出图片字节跳过 PDF 的 PNG 编码速度更快。适合纯文本归档。8️⃣--no-tables关闭 PDF 表格检测双栏试卷这类文档边框线会被误判成表格导致阅读顺序错乱#64加上它就能按自然阅读顺序输出纯文本。9️⃣--no-header-footer保留页眉页脚kordoc 默认3页以上会自动剔除重复的 PDF 页眉页脚。如果页眉里有日期、文件编号这类有信息量的内容用这个参数关掉清理。--keep-empty-paragraphs保留空段落默认会删掉空段落。HWPX 里空行格式需要原文段落数输出行数时开启。1️⃣1️⃣--keep-empty-cols保留表格右侧空列空白申请单末尾的填写栏空列默认会被裁掉表单类文档建议开启#47。1️⃣2️⃣--include-field-placeholders保留未填写的填写提示空白模板里ここに氏名を記入这类只在编辑时可见的填写提示默认不输出开启后表单用途说明得以保留。四、表格控制类复杂表格不崩 kordoc 的一大强项是 HWPX 公文表格 100% 结构还原而下面几个参数决定了表格保不保得住1️⃣3️⃣--html-tables全部表格转 HTMLnpx kordoc 보고서.hwpx --html-tables -o 결과.md所有表格包括 Markdown 管道表格统一输出为 HTML 表格每个标签单独一行缩进。下游解析器对嵌套复杂表格兼容性更好时用。1️⃣4️⃣--keep-layout-tables保留无边界框架表格默认按视觉所见输出——无可见边框的框架表格会被拆成纯文字段落。要拿到原始表格结构尤其配合patch回写编辑时必须加它npx kordoc 원본.hwpx --keep-layout-tables -o 편집.md1️⃣5️⃣--script-tags/--no-script-tags上下标开关控制是否用sup/sub标记上下标。HWPX·HWP·DOCX 默认开启PDF 默认关闭——处理论文、公式 PDF 时建议显式开启避免 10⁴ m² 被展平成 104 m2。1️⃣6️⃣--dedupe-headers去重重复页头HWP5 文档里每页重复出现的跑页头会累加开启后去重。注意它可能误删附件重新编号默认关闭。1️⃣7️⃣--inline-images/--image-refs图片两种走法--inline-images仅 HWP5图片转 base64 data URI 直接嵌进 Markdown单文件即走--image-refs配合--format json几百张图的文档避免 base64 撑爆内存只留images/文档名/文件路径引用#65。配套基础参数速查 ️除 17 个解析选项外还有 4 个基础输出控制参数同样高频参数说明-o, --output单文件输出路径-d, --out-dir批量输出目录--jobs文件级并行进程数如--jobs 4--silent隐藏进度提示方便脚本管道三组实战命令模板# 场景1扫描件公文 → 干净纯文本 npx kordoc 민원서류.pdf --ocr --plain --no-images -o 민원.md # 场景2HWPX 申请单 → 保留全部结构供 patch 回写 npx kordoc 신청서.hwpx --keep-layout-tables --keep-empty-cols \ --include-field-placeholders -o 편집.md # 场景3批量 PDF 并行 RAG 切块 npx kordoc *.pdf --jobs 4 -d ./결과/ --format chunks总结一张表记住 17 个参数参数一句话记忆--pages只转指定页--password开加密文件--ocr扫出来的页才 OCR最常用--ocr-force全部页强制重识别--formula-ocr公式变$LaTeX$--plain只要纯文字--no-images不要图片字节--no-tablesPDF 关表格检测--no-header-footer保留页眉页脚--keep-empty-paragraphs保留空段落--keep-empty-cols保留表格空列--include-field-placeholders保留表单填写提示--html-tables表格全变 HTML--keep-layout-tables无框表格保结构--script-tags上下标sup开关--dedupe-headers去重页头--inline-images/--image-refs图片内嵌 or 只留路径掌握这 17 个参数基本能覆盖 90% 的文档解析场景。更多参数细节、API 用法和错误码对照请查阅官方文档 docs/usage.md 与 README.md。【免费下载链接】kordoc모두 파싱해버리겠다 — HWP·HWPX·PDF·Office 문서를 Markdown으로. 양식 자동 채우기와 신구대조를 갖춘 CLI·MCP 서버 | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff项目地址: https://gitcode.com/gh_mirrors/ko/kordoc创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考