RepoRadar Kordoc: конвертация корейских документов в Markdown с поддержкой форм
Kordoc — инструмент для конвертации корейских документов (HWP, HWPX, PDF, Office) в Markdown с поддержкой заполнения форм и сравнений.
Проект решает задачу автоматизации обработки документов, особенно в контексте корейских форматов, что достаточно актуально для организаций и разработчиков, работающих с такими файлами. Kordoc выделяется из альтернатив тем, что предоставляет не только CLI, но и серверную версию (MCP), а также активно поддерживает параллельную обработку нескольких файлов.
Запускается через Node.js версии 20 и выше. Установить его можно с помощью npm install kordoc, или без установки, используя npx kordoc. Учти, что потребуются зависимости для работы с PDF и OCR, которые можно исключить при установке. Проект ещё находится на ранних стадиях развития, поэтому возможны баги и недоработки.
Проект kordoc — это инструмент для парсинга различных форматов документов, таких как HWP, PDF, XLS, DOCX, PPTX и изображений, и преобразования их в Markdown и структурированные данные. Разработчик проекта — корейский公务员, который создал данный инструмент, чтобы облегчить работу с документами в своей сфере.
Установка и требования
Для установки kordoc требуется Node.js версии 20 или выше, а также операционная система macOS, Linux или Windows. Команда для установки через npm выглядит так:
npm install kordocТы также можешь запустить CLI без установки при помощи npx kordoc. Обрати внимание, что для работы с PDF и OCR потребуется установить дополнительные зависимости. Если они не нужны, то можно исключить их, добавив --omit=optional. Для подключения AI-агентов существует команда:
npx -y kordoc setupБыстрый старт
Вот несколько примеров команд для работы с kordoc в CLI:
npx kordoc документ.hwpx -o документ.md— преобразует HWPX файл в Markdown.npx kordoc *.pdf --jobs 4 -d ./результаты— параллельно обрабатывает все PDF файлы и сохраняет результаты в указанную папку.npx kordoc скан.pdf --ocr -o скан.md— выполняет OCR для сканированного PDF и сохраняет в Markdown.
Основные функции
- Чтение: преобразование документов в Markdown и структурированные данные с поддержкой локального OCR.
- Сравнение и редактирование: возможность сравнения блоков и ячеек, а также сохранение формата HWPX.
- Создание: генерация HWPX документов из Markdown с использованием заранее заданных шаблонов.
- Заполнение форм: автоматическое заполнение стандартных документах и форм.
- Проверка: возможность предпросмотра и проверки документов на ошибки.
Ограничения и особенности
Проект подходит для использования в закрытых сетях, поскольку поддерживает режим KORDOC_OFFLINE=1, который отключает все внешние соединения и позволяет обработку документов только на локальных ресурсах. Однако необходимо учитывать, что большие объемы данных могут требовать больше ресурсов памяти, особенно при параллельной обработке.
Также стоит отметить, что kordoc активно развивается и имеет подробную документацию по использованию и настройке, включая SDK для Java и Python для интеграции в собственные системы.
Открыть на GitHub: chrisryugj/kordoc →
