[JAVA] Hwp 한글 문서 Section Stream 분석하기 (빈문서 분석)

섹션 스트림 분석하기 빈문서 분석

섹션 스트림은 바디스토리지 내에 존재하는 스트림이다.

기본적으로 레코드 형식이며, 압축이 되기도 한다.

이번 포스팅에서는 빈 도큐먼트를 파싱하는 과정을 담아보려고 한다.

섹션 스트림을 분석하기 위해서는 한글과 컴퓨터에서 제공하는 도큐먼트를 먼저 정독해야한다.

TagID	SIZE	LEVEL	설명
HWPTAG_PARA_HEADER	22	0	문단 헤더
HWPTAG_PARA_TEXT	가변	1	text 정보
HWPTAG_PARA_CHAR_SHAPE	가변	1	글자 모양
HWPTAG_PARA_LINE_SEG	가변	1	글자 레이아웃
HWPTAG_PARA_RANGE_TAG	가변	1	영역 태그
HWPTAG_CTRL_HEADER	4	1	컨트롤 헤더
HWPTAG_LIST_HEADER	6	2	문단 리스트 헤더
HWPTAG_PAGE_DEF	40	2	용지 설정
HWPTAG_FOOTNOTE_SHAPE	30	2	각주/미주 모양
HWPTAG_PAGE_BORDER_FILL	14	2	쪽 테두리/배경
HWPTAG_SHAPE_COMPONENT	4	2	개체
HWPTAG_TABLE	가변	2	표 개체
... (기타 그리기 개채)	가변
HWPTAG_CTRL_DATA	가변	3
... (기타 레코드)

(필자는 초반에 나오는 이 표를 보지 못해서 각각의 레코드들을 전부 읽어 레벨을 기록했다. -_-;)

위의 표는 Section Stream에서 본문 정보를 담고있는 레코드들을 추려서 표로 정리해본것이다.

포스팅을 하기 앞서 문단이란 무엇인지 알고 가야한다.

한글문서에서의 문단은 '엔터'로 기준을 나눌 수 있다.

첫번째줄 두번째줄이 엔터로 나뉘어서 작성이 되면 2개의 문단으로 인식한다.

한줄에 엔터없이 2번째줄까지 작성되어 내려가게 되면 그건 1개의 문단이다.

섹션의 첫 문단에는 구역 정의 레코드들이 들어가기 때문에 중간 중간의 문단 레코드들보다 필요한 사이즈가 크다. 

첫번째 문단 정보에는 ~ 레코드들이 들어간다.

그다음 문단 부터는 헤더, 텍스트, 글자모양, 글자 위치 정보의 레코드들이 하나의 문단 정보를 이루어 작성된다.

첫번째 문단		두번재 문단		3번째 문단
header + text + shape + line + range_sahpe+ ctrl header + footnote+ border fill + etc		HEADER  TEXT  CHAR_SHAPE  LINE_SEG		HEADER  TEXT  CHAR_SHAPE  LINE_SEG
	+		+

위에 표는 스트림에 작성되는 텍스트 헤더들을 표로 정리해본것이다.

첫번재 문단 정보에는 기본적인 텍스트( 테이블도 될수 있음) 정보들이 들어가며 추가적으로 각주/미주 정보라던지, 용지 설정 정보, 각주/미주 모양의 정보와 같은 부수적인 레코드들이 같이 붙는 형태이다.

두번째 문단 부터는 해당 문단에 작성된 텍스트 정보만 작성이 된다. 비교적 첫번째 문단에 비해 담기는 정보가 작다.