韩国别表·附表怎么变表格korean-law-mcp HWPX/HWP/PDF解析引擎(kordoc)原理全解析【免费下载链接】korean-law-mcp법제처 국가법령정보를 LLM에서 바로 조회하는 MCP 서버. 법령·판례·조례 검색과 인용 검증 | MCP server for Korean law — search statutes, precedents, and ordinances, and verify citations项目地址: https://gitcode.com/gh_mirrors/ko/korean-law-mcpkorean-law-mcp是一个把韩国法务处법제처国家法令信息接入大语言模型的 MCP 服务器支持法令、判例、条例检索与引用核验。其中最硬的一块能力是把韩国法律里数以万计的**别表·附表별표与 서식表单**从 HWPX、HWP、PDF 二进制文件里直接读成结构化 Markdown 表格——这套转换由同一作者的文档解析引擎kordoc完成。本文用大白话讲清楚一份别表文件是如何一步步变成 LLM 能直接引用的表格的。为什么别表是韩国法律查询的硬骨头韩国法令里的税率表、罚款表、许可标准、申请书格式等几乎都以独立附件文件的形式挂在法令网站上常见三种格式格式本质难点HWPX新版 한글 文档ZIP XML表格是 XML 里的单元格数据需还原行列HWP旧版 한글 文档OLE/CFB 二进制单元格位置藏在 colAddr/rowAddr 属性里PDF扫描件或排版页无表格结构需从坐标猜出表格对 LLM 来说这三种文件都是天书。korean-law-mcp 的做法是下载文件 → 自动识别格式 → 用 kordoc 解析 → 输出 Markdown 表格让模型拿到的是数据而不是乱码。从一句话提问到 Markdown 表格完整链路整个过程由get_annexes工具驱动架构文档里称为Pattern 4详见 docs/ARCHITECTURE.md定位别表自然语言如도로교통법 시행규칙 별표 28호先被 src/lib/annex-notation.ts 归一化成 6 位标准码再由 src/lib/annex-select.ts 按编号、标题、委托条款锁定具体条目锁定正本文件优先使用现行法令正文中的别表链接src/lib/annex-canonical.ts避免搜索索引指向过期旧版文件下载并识别带重试地下载文件src/tools/annex.ts通过魔数字节文件头签名判断到底是 HWPX、HWP 还是 PDFkordoc 解析调用 kordoc 的parse()统一入口src/lib/annex-file-parser.ts拿到 Markdown。kordoc 引擎的三大核心能力kordoc 是当前 korean-law-mcp 固定依赖的解析引擎4.18.2见 package.json三种格式各有一套针对性策略① HWPX拆 ZIP读 XMLHWPX 本质是个 ZIP 压缩包里面是结构化 XML。kordoc 解包后直接按 XML 中的段落与表格节点生成 Markdown 表格合并单元格也会如实保留输出 HTMLtable形式避免 GFM 表格表达不了的复杂合并。② HWP旧格式用 colAddr/rowAddr 还原单元格旧版 HWP 是二进制复合文档单元格没有行列号只有colAddr/rowAddr地址属性。kordoc 按这对坐标把散落的内容重新拼回二维表格这正是别表在原文里长什么样、解析出来就长什么样的关键。③ PDF双重表格检测PDF 完全没有表格结构。kordoc 采用**水平线检测 坐标聚类双保险**先用页面里的横线判断表格边界再用文本块的 x/y 坐标聚类推断行列两者互相校验避免把普通段落误判成表格。可靠性设计三种翻车现场全兜底解析引擎最怕的不是解析错而是悄悄返回空。korean-law-mcp 为此做了三层防线️ 纯图片 PDF有些数值表如排放许可标准在 PDF 里只是一张图片抽不出文字。kordoc 会标记isImageBased并返回页数服务端如实告知此文件为图片版附下载链接绝不让模型拿空内容编答案src/tools/annex.ts⚠️ 只有下载提示的文件个别别表如关税税率表文件里只有一句详细内容请下载。src/lib/annex-file-parser.ts 的isDownloadNoticeOnly()会剥掉提示语、图片、链接后检查剩余正文不足 150 字符即判定正文缺失明确拒绝生成回答 捆绑式别表一个文件里装了多张别表时只抽取请求的那一节抽不到就显式失败并列出文件里实际存在的节号避免张冠李戴。工程细节省内存、防攻击、结果稳定懒加载kordoc 约 27MB只在真正解析别表时才动态 import闲时内存从约 114MB 降到 100MB安全加固内置 ZIP 炸弹防护与损坏 ZIP 自动恢复——别表文件来自公开网络必须防炸弹包结果确定性kordoc 4.17 起装了 OCR 模型就会自动 OCR PDF每文件最长 7 秒。服务端显式传ocr: false保证有模型和没模型的环境结果、耗时一致src/lib/annex-file-parser.ts实测效果272 个采用去边框无框排版的别表最难解析的一类如今能按原文样式读成一张完整表格同一别表重复查询从 2.4 秒降到0.8 秒数据见 CHANGELOG.md 与 README.md。试一试与延伸阅读本地克隆体验npm install后按 docs/DEVELOPMENT.md 运行git clone https://gitcode.com/gh_mirrors/ko/korean-law-mcp核心源码导航解析入口src/lib/annex-file-parser.ts别表工具主逻辑src/tools/annex.ts别表编号归一化src/lib/annex-notation.ts架构与数据流docs/ARCHITECTURE.md接口文档docs/API.mdOCR 行为测试src/lib/annex-file-parser.ocr.test.ts一句话总结korean-law-mcp 把下载附件、识别格式、还原表格、兜底异常整条流水线封装好了——你只需要问一句某法别表N的内容模型拿到的就是一张干净的 Markdown 表格。【免费下载链接】korean-law-mcp법제처 국가법령정보를 LLM에서 바로 조회하는 MCP 서버. 법령·판례·조례 검색과 인용 검증 | MCP server for Korean law — search statutes, precedents, and ordinances, and verify citations项目地址: https://gitcode.com/gh_mirrors/ko/korean-law-mcp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考