docx-to-hlz

docx-to-hlz — 워드 명세서 → 특허청 편집기(.hlz) 변환

완성된 한국 특허 명세서 .docx를 특허청 전자출원 편집기가 여는 .hlz(ZIP: KIPO XML + 도면)로 변환한다.

사용법

python "<skill>/scripts/docx2hlz.py" "명세서.docx"          # → 같은 폴더에 명세서.hlz
python "<skill>/scripts/docx2hlz.py" "명세서.docx" -o out.hlz

의존성: python-docx, Pillow(png/tiff 재인코딩·크기추정용).

변환 후 사용자가 편집기에서 [파일 > 열기]로 .hlz 선택(또는 창에 드래그&드롭). 편집기 GUI 클릭은 자동화 불가이므로 여는 것은 사용자가 한다.

입력 워드 전제

• KIPO 별지 서식 【식별항목】 태그로 섹션이 구분돼 있어야 한다(위 description의 12개 태그).
• 래퍼 태그(【발명의 설명】【발명의 내용】【요약서】)는 자식만 쓰고 자신은 버린다.
• 비표준 소제목(예 【1. 용어의 정의…】 탐색창용 챕터)은 본문 문단으로 흡수(대괄호 제거).
• 표(table)는 미지원(현재 대상 명세서에 표가 없어 미구현) — 표 있는 건은 확장 필요.

산출 포맷 핵심 (application-body DTD)

<KIPO keapsVersion="5.6" editorKind="K" pageCount wi imgApply="N" xmlns="http://www.kipo.go.kr">
 <PatentCAFDOC docflag="1.0" documentID="숫자">
  <description>
   <invention-title>한글{ENGLISH}</invention-title>
   <technical-field><p num="0001">…</p></technical-field>
   <background-art>…</background-art>
   <summary-of-invention><tech-problem/><tech-solution/><advantageous-effects/></summary-of-invention>
   <description-of-drawings><p>도 1은…<br/>도 2는…</p></description-of-drawings>
   <description-of-embodiments><p num=…>…</p></description-of-embodiments>
  </description>
  <claims><claim num="1"><claim-text>…단계;<br/>…을 특징으로 하는 ….</claim-text></claim></claims>
  <abstract><summary><p num="0001a"/></summary><abstract-figure><figref num="3"/></abstract-figure></abstract>
  <drawings><figure num="1"><img id he wi file="pat00001.tif" img-format="tif"/></figure></drawings>
 </PatentCAFDOC>
</KIPO>

편집기 호환 하드 규칙 (스크립트가 자동 적용 — 하나라도 어기면 로딩 실패)

1. ZIP 파일명 = CP949 + UTF-8 플래그(0x800) 제거. ★가장 잘 틀리는 부분★ Python 기본은 한글 파일명에 UTF-8 플래그를 세팅 → 구 MFC 편집기가 엔트리를 못 찾아 압축해제 자체가 실패(temp 폴더 빔) → "…SGM 을(를) 찾을 수 없습니다" 에러. ZipInfo._encodeFilenameFlags 오버라이드로 해결. 레퍼런스 hlz는 전 엔트리 flag=0x0000.
2. 내부 XML basename == .hlz 파일 basename (편집기가 이름으로 문서파일 탐색).
3. img-format ∈ {jpg, tif} (DTD: jpg|tif|st33|st35). tiff→tif(3글자), png/bmp/gif→jpg 재인코딩(투명→흰색).
4. 청구항은 <claim-text> 한 덩어리 + <br/>. 【청구항 N】 뒤 작성자 메모 //…//는 제거.
5. <p num> = description 전관통 4자리 일련번호. abstract만 별도 카운터 + 접미사 a.
6. 대표도 = <abstract-figure><figref num>. 도면 = <drawings><figure num><img he wi file img-format>, he/wi=mm(EMU/36000, 최대 165×222mm·E-218).
7. XML 특수문자 이스케이프, UTF-8. ZIP은 XML 먼저.