·純文本·HTML表格，17個參數(shù)逐個拆解)
kordoc解析選項詳解OCR·頁數(shù)·純文本·HTML表格17個參數(shù)逐個拆解【免費下載鏈接】kordoc?? ??????? — HWP·HWPX·PDF·Office ??? Markdown??. ?? ?? ???? ????? ?? CLI·MCP ?? | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff項目地址: https://gitcode.com/gh_mirrors/ko/kordockordoc是一款把 HWP、HWPX、PDF、DOCX 等韓國辦公文檔一鍵轉成 Markdown 的開源轉換工具而它 CLI 里藏著的 17 個解析選項才是真正決定轉換質量的關鍵。本文帶你逐個拆解--ocr、--pages、--plain、--html-tables等參數(shù)的作用、默認值和適用場景幫你快速寫出最合適的 kordoc 解析命令。先搞清楚選項都在哪里定義所有解析選項集中定義在 src/cli.ts 中官方完整的 CLI 參考見 docs/usage.md。安裝后無需配置直接npx kordoc 文件.hwpx即可開始。選項可以分成 4 大類分類參數(shù)解決什么問題 內容范圍--pages、--password只轉哪幾頁 / 打開加密文檔 識別增強--ocr、--ocr-force、--formula-ocr掃描件、無文字層 PDF?? 結構裁剪--plain、--no-images、--no-tables、--no-header-footer只留干凈正文 表格控制--html-tables、--keep-layout-tables、--keep-empty-cols等保住復雜表格結構一、內容范圍類頁數(shù)與密碼1??--pages只轉換指定頁npx kordoc ???.pdf --pages 1-3支持1-3、1,3,5-7等多種寫法見 src/cli.ts。PDF 和帶排版緩存的 HWP 文件按真實物理頁截取沒有緩存的 HWPX 按章節(jié)近似定位。做 RAG 切片或只處理合同某幾頁時非常實用。2??--password打開加密文檔npx kordoc ????.hwpx --password 密碼 -o ??.md僅支持 HWPX / HWP3 / HWP5 的打開密碼韓方 DRM 加密不在范圍內。解析選項如何傳遞到解析器可以看 src/cli/convert.ts。二、識別增強類OCR 三件套 ?掃描件轉 Markdown 的救命參數(shù)按強度遞增排列3??--ocr按需 OCRnpx kordoc ???.pdf --ocr只對掃出來的、沒有文字層的頁啟用內置 PP-OCRv5 韓語模型約 18MB首次自動下載。這是處理掃描公文、掃描報表的最快方式。4??--ocr-force強制全頁 OCR即使 PDF 有文字層也全部重新識別——適合OCR 質量爛過原文字層的老掃描儀文檔。代價是速度明顯變慢按需使用。5??--formula-ocr數(shù)式 OCRnpx kordoc ??.pdf --formula-ocr用 MFDMFR ONNX 模型約 155MB把數(shù)學公式識別成$…$/$$…$$。處理學術論文、試題集時的必備選項。 小貼士完全無文字層的 PDF 直接轉會得到IMAGE_BASED_PDF錯誤碼此時加上--ocr即可錯誤碼對照表見 docs/usage.md。三、結構裁剪類讓輸出更干凈 6??--plain純文本 Markdownnpx kordoc ???.hwpx --plain -o ??.md去掉圖片占位符、鏈接 URL、加粗/下劃線等裝飾只保留標題、列表和表格結構。做索引、喂 RAG 向量庫時最干凈——這也是官方文檔推薦的色?·RAG ?選項見 docs/usage.md。7??--no-images只留文字不提取、不輸出圖片字節(jié)跳過 PDF 的 PNG 編碼速度更快。適合純文本歸檔。8??--no-tables關閉 PDF 表格檢測雙欄試卷這類文檔邊框線會被誤判成表格導致閱讀順序錯亂#64加上它就能按自然閱讀順序輸出純文本。9??--no-header-footer保留頁眉頁腳kordoc 默認3頁以上會自動剔除重復的 PDF 頁眉頁腳。如果頁眉里有日期、文件編號這類有信息量的內容用這個參數(shù)關掉清理。--keep-empty-paragraphs保留空段落默認會刪掉空段落。HWPX 里空行格式需要原文段落數(shù)輸出行數(shù)時開啟。1??1??--keep-empty-cols保留表格右側空列空白申請單末尾的填寫欄空列默認會被裁掉表單類文檔建議開啟#47。1??2??--include-field-placeholders保留未填寫的填寫提示空白模板里ここに氏名を記入這類只在編輯時可見的填寫提示默認不輸出開啟后表單用途說明得以保留。四、表格控制類復雜表格不崩 kordoc 的一大強項是 HWPX 公文表格 100% 結構還原而下面幾個參數(shù)決定了表格保不保得住1??3??--html-tables全部表格轉 HTMLnpx kordoc ???.hwpx --html-tables -o ??.md所有表格包括 Markdown 管道表格統(tǒng)一輸出為 HTML 表格每個標簽單獨一行縮進。下游解析器對嵌套復雜表格兼容性更好時用。1??4??--keep-layout-tables保留無邊界框架表格默認按視覺所見輸出——無可見邊框的框架表格會被拆成純文字段落。要拿到原始表格結構尤其配合patch回寫編輯時必須加它npx kordoc ??.hwpx --keep-layout-tables -o ??.md1??5??--script-tags/--no-script-tags上下標開關控制是否用sup/sub標記上下標。HWPX·HWP·DOCX 默認開啟PDF 默認關閉——處理論文、公式 PDF 時建議顯式開啟避免 10? m2 被展平成 104 m2。1??6??--dedupe-headers去重重復頁頭HWP5 文檔里每頁重復出現(xiàn)的跑頁頭會累加開啟后去重。注意它可能誤刪附件重新編號默認關閉。1??7??--inline-images/--image-refs圖片兩種走法--inline-images僅 HWP5圖片轉 base64 data URI 直接嵌進 Markdown單文件即走--image-refs配合--format json幾百張圖的文檔避免 base64 撐爆內存只留images/文檔名/文件路徑引用#65。配套基礎參數(shù)速查 ?除 17 個解析選項外還有 4 個基礎輸出控制參數(shù)同樣高頻參數(shù)說明-o, --output單文件輸出路徑-d, --out-dir批量輸出目錄--jobs文件級并行進程數(shù)如--jobs 4--silent隱藏進度提示方便腳本管道三組實戰(zhàn)命令模板# 場景1掃描件公文 → 干凈純文本 npx kordoc ????.pdf --ocr --plain --no-images -o ??.md # 場景2HWPX 申請單 → 保留全部結構供 patch 回寫 npx kordoc ???.hwpx --keep-layout-tables --keep-empty-cols \ --include-field-placeholders -o ??.md # 場景3批量 PDF 并行 RAG 切塊 npx kordoc *.pdf --jobs 4 -d ./??/ --format chunks總結一張表記住 17 個參數(shù)參數(shù)一句話記憶--pages只轉指定頁--password開加密文件--ocr掃出來的頁才 OCR最常用--ocr-force全部頁強制重識別--formula-ocr公式變$LaTeX$--plain只要純文字--no-images不要圖片字節(jié)--no-tablesPDF 關表格檢測--no-header-footer保留頁眉頁腳--keep-empty-paragraphs保留空段落--keep-empty-cols保留表格空列--include-field-placeholders保留表單填寫提示--html-tables表格全變 HTML--keep-layout-tables無框表格保結構--script-tags上下標sup開關--dedupe-headers去重頁頭--inline-images/--image-refs圖片內嵌 or 只留路徑掌握這 17 個參數(shù)基本能覆蓋 90% 的文檔解析場景。更多參數(shù)細節(jié)、API 用法和錯誤碼對照請查閱官方文檔 docs/usage.md 與 README.md?！久赓M下載鏈接】kordoc?? ??????? — HWP·HWPX·PDF·Office ??? Markdown??. ?? ?? ???? ????? ?? CLI·MCP ?? | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff項目地址: https://gitcode.com/gh_mirrors/ko/kordoc創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 kordoc解析選項詳解：OCR·頁數(shù)·純文本·HTML表格，17個參數(shù)逐個拆解
kordoc解析選項詳解OCR·頁數(shù)·純文本·HTML表格17個參數(shù)逐個拆解【免費下載鏈接】kordoc?? ??????? — HWP·HWPX·PDF·Office ??? Markdown??. ?? ?? ???? ????? ?? CLI·MCP ?? | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff項目地址: https://gitcode.com/gh_mirrors/ko/kordockordoc是一款把 HWP、HWPX、PDF、DOCX 等韓國辦公文檔一鍵轉成 Markdown 的開源轉換工具而它 CLI 里藏著的 17 個解析選項才是真正決定轉換質量的關鍵。本文帶你逐個拆解--ocr、--pages、--plain、--html-tables等參數(shù)的作用、默認值和適用場景幫你快速寫出最合適的 kordoc 解析命令。先搞清楚選項都在哪里定義所有解析選項集中定義在 src/cli.ts 中官方完整的 CLI 參考見 docs/usage.md。安裝后無需配置直接npx kordoc 文件.hwpx即可開始。選項可以分成 4 大類分類參數(shù)解決什么問題 內容范圍--pages、--password只轉哪幾頁 / 打開加密文檔 識別增強--ocr、--ocr-force、--formula-ocr掃描件、無文字層 PDF?? 結構裁剪--plain、--no-images、--no-tables、--no-header-footer只留干凈正文 表格控制--html-tables、--keep-layout-tables、--keep-empty-cols等保住復雜表格結構一、內容范圍類頁數(shù)與密碼1??--pages只轉換指定頁npx kordoc ???.pdf --pages 1-3支持1-3、1,3,5-7等多種寫法見 src/cli.ts。PDF 和帶排版緩存的 HWP 文件按真實物理頁截取沒有緩存的 HWPX 按章節(jié)近似定位。做 RAG 切片或只處理合同某幾頁時非常實用。2??--password打開加密文檔npx kordoc ????.hwpx --password 密碼 -o ??.md僅支持 HWPX / HWP3 / HWP5 的打開密碼韓方 DRM 加密不在范圍內。解析選項如何傳遞到解析器可以看 src/cli/convert.ts。二、識別增強類OCR 三件套 ?掃描件轉 Markdown 的救命參數(shù)按強度遞增排列3??--ocr按需 OCRnpx kordoc ???.pdf --ocr只對掃出來的、沒有文字層的頁啟用內置 PP-OCRv5 韓語模型約 18MB首次自動下載。這是處理掃描公文、掃描報表的最快方式。4??--ocr-force強制全頁 OCR即使 PDF 有文字層也全部重新識別——適合OCR 質量爛過原文字層的老掃描儀文檔。代價是速度明顯變慢按需使用。5??--formula-ocr數(shù)式 OCRnpx kordoc ??.pdf --formula-ocr用 MFDMFR ONNX 模型約 155MB把數(shù)學公式識別成$…$/$$…$$。處理學術論文、試題集時的必備選項。 小貼士完全無文字層的 PDF 直接轉會得到IMAGE_BASED_PDF錯誤碼此時加上--ocr即可錯誤碼對照表見 docs/usage.md。三、結構裁剪類讓輸出更干凈 6??--plain純文本 Markdownnpx kordoc ???.hwpx --plain -o ??.md去掉圖片占位符、鏈接 URL、加粗/下劃線等裝飾只保留標題、列表和表格結構。做索引、喂 RAG 向量庫時最干凈——這也是官方文檔推薦的色?·RAG ?選項見 docs/usage.md。7??--no-images只留文字不提取、不輸出圖片字節(jié)跳過 PDF 的 PNG 編碼速度更快。適合純文本歸檔。8??--no-tables關閉 PDF 表格檢測雙欄試卷這類文檔邊框線會被誤判成表格導致閱讀順序錯亂#64加上它就能按自然閱讀順序輸出純文本。9??--no-header-footer保留頁眉頁腳kordoc 默認3頁以上會自動剔除重復的 PDF 頁眉頁腳。如果頁眉里有日期、文件編號這類有信息量的內容用這個參數(shù)關掉清理。--keep-empty-paragraphs保留空段落默認會刪掉空段落。HWPX 里空行格式需要原文段落數(shù)輸出行數(shù)時開啟。1??1??--keep-empty-cols保留表格右側空列空白申請單末尾的填寫欄空列默認會被裁掉表單類文檔建議開啟#47。1??2??--include-field-placeholders保留未填寫的填寫提示空白模板里ここに氏名を記入這類只在編輯時可見的填寫提示默認不輸出開啟后表單用途說明得以保留。四、表格控制類復雜表格不崩 kordoc 的一大強項是 HWPX 公文表格 100% 結構還原而下面幾個參數(shù)決定了表格保不保得住1??3??--html-tables全部表格轉 HTMLnpx kordoc ???.hwpx --html-tables -o ??.md所有表格包括 Markdown 管道表格統(tǒng)一輸出為 HTML 表格每個標簽單獨一行縮進。下游解析器對嵌套復雜表格兼容性更好時用。1??4??--keep-layout-tables保留無邊界框架表格默認按視覺所見輸出——無可見邊框的框架表格會被拆成純文字段落。要拿到原始表格結構尤其配合patch回寫編輯時必須加它npx kordoc ??.hwpx --keep-layout-tables -o ??.md1??5??--script-tags/--no-script-tags上下標開關控制是否用sup/sub標記上下標。HWPX·HWP·DOCX 默認開啟PDF 默認關閉——處理論文、公式 PDF 時建議顯式開啟避免 10? m2 被展平成 104 m2。1??6??--dedupe-headers去重重復頁頭HWP5 文檔里每頁重復出現(xiàn)的跑頁頭會累加開啟后去重。注意它可能誤刪附件重新編號默認關閉。1??7??--inline-images/--image-refs圖片兩種走法--inline-images僅 HWP5圖片轉 base64 data URI 直接嵌進 Markdown單文件即走--image-refs配合--format json幾百張圖的文檔避免 base64 撐爆內存只留images/文檔名/文件路徑引用#65。配套基礎參數(shù)速查 ?除 17 個解析選項外還有 4 個基礎輸出控制參數(shù)同樣高頻參數(shù)說明-o, --output單文件輸出路徑-d, --out-dir批量輸出目錄--jobs文件級并行進程數(shù)如--jobs 4--silent隱藏進度提示方便腳本管道三組實戰(zhàn)命令模板# 場景1掃描件公文 → 干凈純文本 npx kordoc ????.pdf --ocr --plain --no-images -o ??.md # 場景2HWPX 申請單 → 保留全部結構供 patch 回寫 npx kordoc ???.hwpx --keep-layout-tables --keep-empty-cols \ --include-field-placeholders -o ??.md # 場景3批量 PDF 并行 RAG 切塊 npx kordoc *.pdf --jobs 4 -d ./??/ --format chunks總結一張表記住 17 個參數(shù)參數(shù)一句話記憶--pages只轉指定頁--password開加密文件--ocr掃出來的頁才 OCR最常用--ocr-force全部頁強制重識別--formula-ocr公式變$LaTeX$--plain只要純文字--no-images不要圖片字節(jié)--no-tablesPDF 關表格檢測--no-header-footer保留頁眉頁腳--keep-empty-paragraphs保留空段落--keep-empty-cols保留表格空列--include-field-placeholders保留表單填寫提示--html-tables表格全變 HTML--keep-layout-tables無框表格保結構--script-tags上下標sup開關--dedupe-headers去重頁頭--inline-images/--image-refs圖片內嵌 or 只留路徑掌握這 17 個參數(shù)基本能覆蓋 90% 的文檔解析場景。更多參數(shù)細節(jié)、API 用法和錯誤碼對照請查閱官方文檔 docs/usage.md 與 README.md?！久赓M下載鏈接】kordoc?? ??????? — HWP·HWPX·PDF·Office ??? Markdown??. ?? ?? ???? ????? ?? CLI·MCP ?? | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff項目地址: https://gitcode.com/gh_mirrors/ko/kordoc創(chuàng)作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考