0.26.1: HWP review fixes — copy-protected text stays out of DOCX, record cap, header once

pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "xgen-edit2docs"
-version = "0.26.0"
+version = "0.26.1"
 description = "AI-agent-native document engine: generate and chat-edit DOCX, XLSX and PPTX as a Python library, agent tool set, MCP server or hosted service. English-first with first-class Korean support. Sister project of edit2ppt."
 readme = "README.md"
 requires-python = ">=3.12"

src/xgen_edit2docs/__init__.py

@@ -19,7 +19,7 @@
 import importlib
 from typing import Any
 
-__version__ = "0.26.0"
+__version__ = "0.26.1"
 
 _LAZY: dict[str, str] = {
     # Unified, extension-dispatched verbs (docx / xlsx / pptx)

src/xgen_edit2docs/documents/legacy/hwp_convert.py

@@ -437,10 +437,19 @@ class _Node:
 # ── 저수준 파서 ────────────────────────────────────────────────
 
 
+#: 스트림 하나의 레코드 수 상한. 실문서 최대는 수만 개(한컴 스펙 문서 2.6만) — 작은
+#: 레코드를 수천만 개 늘어놓은 파일이 레코드 객체만으로 서버 메모리를 먹지 않게 한다.
+_MAX_RECORDS = 2_000_000
+
+
 def _iter_records(data: bytes):
     """(tagid, level, payload) 를 순서대로 — 손상 시 그 지점에서 멈춘다."""
     pos, n = 0, len(data)
+    count, limit = 0, _MAX_RECORDS
     while pos + 4 <= n:
+        count += 1
+        if count > limit:
+            raise LegacyConvertError("hwp 레코드가 너무 많습니다 (상한 초과)")
         (hdr,) = struct.unpack_from("<I", data, pos)
         pos += 4
         tagid = hdr & 0x3FF
@@ -1041,8 +1050,8 @@ def _distribution_key(data: bytes) -> Tuple[bytes, int]:
     return merged[offset:offset + 16], options
 
 
-def _decrypt_view_text(raw: bytes) -> Tuple[bytes, int]:
-    """ViewText 스트림 → (복호화된 본문 바이트, 옵션 플래그)."""
+def _distribution_record(raw: bytes) -> Tuple[bytes, int]:
+    """ViewText 스트림 앞의 배포용 문서 데이터 레코드 → (256B, 암호문 시작 위치)."""
     if len(raw) < 4:
         raise LegacyConvertError("배포용 hwp 본문이 비어 있습니다")
     (hdr,) = struct.unpack_from("<I", raw, 0)
@@ -1052,8 +1061,14 @@ def _decrypt_view_text(raw: bytes) -> Tuple[bytes, int]:
         pos = 8
     if tagid != _TAG_DISTRIBUTE_DOC_DATA or size < 256 or pos + size > len(raw):
         raise LegacyConvertError("배포용 hwp 의 배포용 문서 데이터가 없습니다")
-    key, options = _distribution_key(raw[pos:pos + 256])
-    body = raw[pos + size:]
+    return raw[pos:pos + 256], pos + size
+
+
+def _decrypt_view_text(raw: bytes) -> Tuple[bytes, int]:
+    """ViewText 스트림 → (복호화된 본문 바이트, 옵션 플래그)."""
+    data, start = _distribution_record(raw)
+    key, options = _distribution_key(data)
+    body = raw[start:]
     body = body[:len(body) - len(body) % 16]
     try:
         from cryptography.hazmat.primitives.ciphers import Cipher, algorithms, modes
@@ -1126,6 +1141,15 @@ def _open(self) -> None:
         if not self.section_names:
             raise LegacyConvertError(f"hwp 본문({body}/Section*)이 없습니다")
 
+        if self.distribution:
+            # 복사·인쇄 방지는 여는 순간 안다 — 본문을 풀기 전에 쓰임새를 정할 수 있게.
+            # (옵션은 배포용 문서 데이터 256B 에 있어 복호화가 필요 없다.)
+            for name in self.section_names:
+                head = ole.openstream(name).read(8 + 256)
+                _, options = _distribution_key(_distribution_record(head)[0])
+                self.copy_protected = self.copy_protected or bool(options & 0x1)
+                self.print_protected = self.print_protected or bool(options & 0x2)
+
     def read_stream(self, name: str) -> bytes:
         raw = self._ole.openstream(name).read()
         return _decompress(raw) if self.compressed else raw
@@ -1203,6 +1227,10 @@ def hwp_to_docx(content: bytes) -> bytes:
     from docx.shared import Emu, Pt, RGBColor
 
     with HwpFile(content) as hf:
+        if hf.copy_protected:
+            # 배포용 문서의 복사 방지 — DOCX 는 글자를 꺼내 쓰는 길(편집·에이전트 읽기)이다.
+            # 보기는 hwp_html 이 한다(선택·인쇄를 막은 채로).
+            raise LegacyConvertError("복사가 금지된 배포용 hwp 는 변환하지 않습니다")
         info = hf.info
         bin_blob = hf.bin_blob
 

src/xgen_edit2docs/documents/legacy/hwp_html.py

@@ -138,14 +138,11 @@ def __init__(self, hf: HwpFile):
     def render(self) -> str:
         out: list[str] = []
         page = _PageDef()
-        header: list[_Para] = []
-        footer: list[_Para] = []
         for roots in self.hf.sections():
             page = first_page_def(roots) or page
-            # 머리말·꼬리말은 구역마다 — 새로 정하지 않은 구역은 앞 구역 것을 잇는다.
-            h, f = _header_footer_paras(roots)
-            header = h or header
-            footer = f or footer
+            # 머리말·꼬리말은 그 구역이 새로 정했을 때만 그린다 — 앞 구역 것을 잇는
+            # 구역마다 되풀이하면 같은 머리말(과 그림)이 구역 수만큼 쌓인다.
+            header, footer = _header_footer_paras(roots)
             body = "".join(self._blocks(_interpret_paras(roots)))
             master = _master_page_paras(roots)
             if master:  # 바탕쪽(쪽 머리 장식·틀)은 구역 맨 위에 흐리게

tests/unit/test_hwp_html.py

@@ -213,6 +213,13 @@ def test_a_decompression_bomb_is_refused(self, monkeypatch):
         with pytest.raises(LegacyConvertError, match="너무 큽니다"):
             hwp_to_html(_hwp(_para(0, _utf16("가" * 200))))
 
+    def test_too_many_records_are_refused(self, monkeypatch):
+        """레코드 객체만으로 메모리를 먹는 파일 — 상한에서 멈춘다(실문서 최대 2.6만)."""
+        monkeypatch.setattr(H, "_MAX_RECORDS", 5)
+        section = b"".join(_para(0, _utf16(f"문단{i}")) for i in range(5))
+        with pytest.raises(LegacyConvertError, match="레코드가 너무 많습니다"):
+            hwp_to_html(_hwp(section))
+
     def test_drm_documents_are_refused_by_name(self):
         with pytest.raises(LegacyConvertError, match="DRM"):
             hwp_to_html(_hwp(_para(0, _utf16("x")), flags=0x1 | 0x10))
@@ -267,6 +274,22 @@ def test_copy_and_print_protection_carry_over(self):
         assert "user-select:none" in html
         assert f"@media print{{.{ROOT_CLASS}{{display:none;}}}}" in html
 
+    def test_protection_is_known_when_the_file_opens(self):
+        with H.HwpFile(self._doc(options=0x1)) as hf:
+            assert hf.copy_protected and not hf.print_protected
+
+    def test_copy_protected_text_is_not_handed_out_as_docx(self):
+        """DOCX 는 글자를 꺼내 쓰는 길(편집·에이전트 읽기) — 복사 방지 문서는 보기만."""
+        with pytest.raises(LegacyConvertError, match="복사가 금지된"):
+            convert_to_ooxml(self._doc(options=0x1), "hwp")
+        assert "배포용 본문" in _text_of(hwp_to_html(self._doc(options=0x1)))
+
+    def test_an_unprotected_distribution_document_converts(self):
+        from docx import Document
+
+        d = Document(io.BytesIO(convert_to_ooxml(self._doc(options=0), "hwp")[0]))
+        assert any("배포용 본문" in p.text for p in d.paragraphs)
+
 
 # ─────────────────────────────────────────────────────────────
 # HTML — 충실도와 안전
@@ -300,6 +323,16 @@ def test_hanging_indent_and_korean_word_breaking(self):
         assert "margin-left:15pt" in html and "text-indent:-5pt" in html
         assert "word-break:keep-all" in html
 
+    def test_a_header_is_drawn_where_it_is_defined_not_per_section(self):
+        head = _ctrl(1, "head", b"\x00" * 8) + _rec(0x48, 2, struct.pack("<H", 1) + b"\x00" * 6) \
+            + _para(2, _utf16("머리말 한 번"))
+        first = _para(0, _ext(0x10, "head") + _utf16("첫 구역"), extra=head)
+        second = _para(0, _utf16("둘째 구역"))
+        doc = _hwp(first, extra={"BodyText/Section1": _comp(second)})
+        html = hwp_to_html(doc)
+        assert "둘째 구역" in html
+        assert html.count("머리말 한 번") == 1
+
     def test_table_border_fill_applies_to_the_table(self):
         bf = bytearray(44)
         for k in range(4):