한글 파일(.hwpx) 에서 내용만 추출하고 싶을때

java로 hwp는 hwplib를 통해서 읽는데, hwpx를 읽으려고 하니 오류가 난다.

단순히 안에 있는 텍스트 내용만 가져오면 되는데 안 되는 게 답답하던 차ㅡ

 

구글에서 찾아보니

[아주 쉬운 뉴스 Q&A] 아래아한글 새 기본문서 'hwpx'가 뭐죠? | 아주경제

[아주 쉬운 뉴스 Q&A] 아래아한글 새 기본문서 'hwpx'가 뭐죠? | 아주경제

 

위 링크를 참고하면

hwpx는 zip format으로 확장자를 변경하면 폴더 내 계층구조로 내용이 적혀있다는 것이다.

zip으로 변경한 뒤, 해당 폴더 구조는 아래와 같고,

저 Preview 폴더 안에는

아래와 같이 해당 문서의 이미지와 text가 적혀있다.

내가 원하는 값은 text였기에 해당 부분을 가져오는 코드를 짰다.

public String readInput(String filePath) {
        StringBuilder stringBuilder = new StringBuilder();
        try {
            ZipFile zipFile = new ZipFile(filePath);

            Enumeration<? extends ZipEntry> entries = zipFile.entries();

            while(entries.hasMoreElements()){
                ZipEntry entry = entries.nextElement();
                if(entry.getName().contains("PrvText.txt")){
                    InputStream stream = zipFile.getInputStream(entry);
                    InputStreamReader inputStreamReader = new InputStreamReader(stream);
                    BufferedReader bufferedReader = new BufferedReader(inputStreamReader);

                    String line = "";
                    while((line = bufferedReader.readLine()) != null) {
                        stringBuilder.append(line+"\\n");
                    }
                }
            }
        } catch (IOException e) {
            e.printStackTrace();
        }

        return stringBuilder.toString();
    }

ZipFile 객체를 통해서 파일을 읽고

ZipEntry를 순회하면서 파일이름(entry.getName)에

PrvText.txt 가 포함되어 있으면 해당 파일을 읽어서 String으로 반환하게끔 구현했다.