diff --git a/Step-03.-.md b/Step-03.-.md new file mode 100644 index 0000000..0263beb --- /dev/null +++ b/Step-03.-.md @@ -0,0 +1,37 @@ +# Step 03. 텍스트 캡처 (Authentic Capture) + +## 목적 +선별된 파일들로부터 인코딩 오류 없이 순수 텍스트를 확보한다. + +## 실행 +1. Step 02 승인 목록 기준으로만 진행한다 +2. 인코딩을 교정하며 캡처한다 (CP949 / UTF-8 자동 감지 및 변환) +3. 파일 유형별 처리 + - .hwp / .hwpx → pyhwpx 또는 hwp5txt로 텍스트 변환, 실패 시 [MANUAL: HWP Review Required] + - .pdf → PyMuPDF 또는 pdfplumber로 텍스트 추출 + - .docx / .pptx / .xlsx → python-docx / openpyxl로 텍스트 추출 + - .py .js .html .css .md .txt .json → 직접 읽기 (인코딩 교정) +4. 캡처 결과를 scan_full.json으로 저장한다 + +## 통과 기준 +- 한글 가독성 100% (깨진 문자 0) +- 로그·캐시·설정 데이터 0% + +## 다음 단계 +- 통과 → Step 04로 이동 +- 실패 → 인코딩 오류 항목 수동 처리 후 재실행 + +--- + +## 진행현황 이슈 코멘트 템플릿 +``` +### [Step 03] 텍스트 캡처 - YYYY-MM-DD + +[완료] 캡처 성공 파일 수: +[SKIP: Encoding Error] 목록: +[MANUAL: HWP Review Required] 목록: +[ERROR: File Corrupted] 목록: +[확인] scan_full.json 생성 여부: + +→ 결과: 통과 / 재실행 +```