English | 한국어 | 日本語 | 中文

Converts HWP, HWPX, PDF, DOCX into clean Markdown + Media Bundles optimized for AI/LLM consumption.

HWP, HWPX, PDF, DOCX 파일을 깨끗한 Markdown + 미디어 번들로 변환합니다. AI/LLM 파이프라인에 최적화되어 있습니다.

Built in Rust — 23%p higher quality than Pandoc, 17%p higher than AI-based Marker, and 10-100x faster.

Rust로 작성되어 Pandoc보다 23%p, AI 기반 Marker보다 17%p 높은 품질을 달성하면서도 10-100배 빠릅니다.

contract.hwp  ──┐
report.pdf    ──┼──▶  MDM Engine (Rust)  ──▶  Clean Markdown + Media Bundle
proposal.docx ──┘

Scope note: MDM is a one-way pipeline — existing documents → Markdown. Converting Markdown back to HWP/DOCX is out of scope. The mission is to unlock the content already trapped in proprietary formats, not to author new documents in those formats.

방향 명시: MDM은 기존 문서 → Markdown 단방향 파이프라인입니다. Markdown을 HWP/DOCX로 역변환하는 기능은 이 프로젝트의 범위 밖입니다. 독점 포맷에 갇혀 있는 콘텐츠를 해방하는 것이 목적이며, 그 포맷으로 새 문서를 저작하는 도구가 아닙니다.

pip install mdm-parser

from mdm_parser import PdfProcessor, HwpToSvgConverter, OcrProcessor

# PDF text extraction
processor = PdfProcessor("report.pdf")
text = processor.extract_text()
print(text)

# HWP table → SVG
converter = HwpToSvgConverter("document.hwp")
svg_files = converter.convert("output/")

# OCR (scanned images → text)
ocr = OcrProcessor(engine="auto", lang="kor+eng")
text = ocr.extract_text("scanned.png")

That's it. That's all you need.

# Build Rust core (one-time)
cd core && cargo build --release

# Convert
./target/release/hwp2mdm contract.hwp -o output/
./target/release/hwp2mdm report.pdf -o output/
./target/release/hwp2mdm proposal.docx -o output/

output/ contains .mdx (Markdown) + .mdm (metadata JSON) files.

Open viewer/index.html in a browser and drag-and-drop your files.

AI agent가 MDM을 도구(tool)로 직접 호출할 수 있습니다. 두 가지 경로:

A. Local stream mode — stdin/stdout 1-shot:

cat contract.hwp | hwp2mdm stream --ext hwp > out.md
cat data.xlsx   | hwp2mdm stream --ext xlsx --mode body

B. Korea Law Hub MCP Gateway — JSON-RPC 2.0, 원격 호출:

POST https://www.law-check.com/api/mcp
Authorization: Bearer <YOUR_MCP_KEY>

제공되는 3개 tool:

• mdm_convert_document — 풀 마크다운 변환 (HWP/HWPX/PDF/DOCX/PPTX/XLSX/HTML/CSV/TXT)
• mdm_extract_text — 평문 텍스트 빠른 추출
• mdm_detect_format — 포맷 감지만

Claude Desktop / Cursor / Claude Code 등 모든 MCP 클라이언트에서 바로 사용 가능.

자세한 사용법, 입력 스키마, 예제 curl, 보안 정책: docs/MCP_USAGE.md

For AI agents: MDM exposes stream mode for local pipe-based use, and 3 JSON-RPC tools via Korea Law Hub MCP Gateway for remote use. See docs/MCP_USAGE.md for complete integration guide including Claude Desktop / Cursor setup.

Markdown uses 34-38% fewer tokens than JSON and ~10% fewer than YAML across all major LLMs.

Source: improvingagents.com benchmark (tested on GPT, Llama, Gemini)

GitHub SpecKit (2025) adopted Markdown as the foundation for AI-driven development (dev.to).

Why does this matter?

• Lower cost — Fewer tokens per API call means lower LLM bills
• Faster processing — Less to parse, faster inference
• Fits more in context window — Same context window holds 34-38% more content in Markdown vs JSON

For RAG pipelines, document Q&A, and agent workflows, Markdown is the optimal serialization format.

마크다운은 JSON 대비 34-38% 적은 토큰을 사용하며, YAML 대비 약 10% 적습니다. 이는 LLM API 비용 절감, 더 빠른 처리, 그리고 동일한 컨텍스트 윈도우에 더 많은 콘텐츠를 담을 수 있음을 의미합니다.

MDM converts two categories of files: documents (meant for reading) and data containers (meant for structured information). Both are converted to Markdown so that AI/LLM can consume them uniformly.

MDM은 두 가지 종류의 파일을 변환합니다: 문서 (읽기 위한 것)와 데이터 컨테이너 (구조화된 정보를 담는 것). 둘 다 마크다운으로 변환하여 AI/LLM이 동일한 형태로 소비할 수 있게 합니다.

These formats aren't traditional "documents" — they hold structured data (spreadsheets, tables, logs). MDM extracts their textual content as Markdown tables so AI can read, search, and reason over the data.

이 포맷들은 전통적인 "문서"가 아니라 구조화된 데이터(스프레드시트, 테이블, 로그)를 담는 컨테이너입니다. MDM은 이들의 텍스트 콘텐츠를 마크다운 테이블로 추출하여 AI가 데이터를 읽고 검색하고 추론할 수 있게 합니다.

MDM (Rust)  ████████████████████████████████████████ 100% (39/39)
Pandoc      ██████████████████████████████           77% (30/39)

MDM-only features: GFM tables, hyperlinks, nested lists, Korean numbering (가나다)

MDM (Rust)  ███████████████████████████████████████  93% (27/29)
Marker (AI) ████████████████████████████             76% (22/29)
pdftotext   █████████████████                        45% (13/29)

Why MDM beats AI-based Marker: accurate H1-H4 heading detection, inline bold/italic, metadata preservation

MDM (Rust)  ████████████████████████████████████████ No competition
(The world's only open-source HWP → Markdown converter)
(세계 유일의 오픈소스 HWP → Markdown 변환기)

383-page PDF in 5.6 seconds (Rust + Rayon parallel processing).

Existing tools:  Document → Text only (media discarded)
기존 도구:        문서 → 텍스트만 추출 (미디어 폐기)

MDM:             Document → Markdown + Media Bundle (media preserved + indexed)
MDM:             문서 → 마크다운 + 미디어 번들 (미디어 보존 + 인덱싱)

1. Integrated Media Manifest / 통합 미디어 매니페스트 Asset index + deduplication + metadata. No competitor has this. 에셋 인덱스 + 중복 제거 + 메타데이터. 어떤 경쟁 도구도 이 기능이 없습니다.

2. Type-specific Media Syntax / 타입별 미디어 참조 문법 @[[image]] ~[[table]] %[[video]] $[[equation]] ^[[audio]] &[[embed]] 6종의 미디어 타입에 대한 전용 참조 문법을 제공합니다.

3. Content-addressable Storage / 컨텐츠 주소 기반 저장 Hash-based filenames for automatic deduplication. 해시 기반 파일명으로 자동 중복 제거됩니다.

4. AI Auto-classification / AI 자동 분류 Extracted images auto-tagged as chart/photo/scan/signature. 추출된 이미지를 차트/사진/스캔/서명으로 자동 분류합니다.

5. HWP Native + Global / HWP 네이티브 + 글로벌 Only tool that natively parses Korean HWP, plus PDF/DOCX. HWP를 네이티브로 파싱하는 유일한 도구이면서, PDF/DOCX도 지원합니다.

MDM is a "Document-to-AI Infrastructure Layer" — not just a converter, but infrastructure that structures every component of a document for AI consumption.

MDM은 "Document-to-AI 인프라 레이어" — 단순 변환기가 아니라, 문서의 모든 구성 요소를 AI가 소비할 수 있는 형태로 구조화하는 인프라입니다.

MDM deliberately covers only one direction:

HWP / HWPX / PDF / DOCX / PPTX / XLSX  ──▶  Markdown (+ Media Bundle)

Markdown → HWP or Markdown → DOCX is not a goal. Tools like Pandoc already handle document authoring workflows. MDM's focus is reading and extracting — liberating content locked inside proprietary formats so that AI and humans can work with it.

MDM은 의도적으로 단방향만 지원합니다:

HWP / HWPX / PDF / DOCX / PPTX / XLSX  ──▶  Markdown (+ 미디어 번들)

Markdown → HWP 또는 Markdown → DOCX 변환은 이 프로젝트의 목표가 아닙니다. 문서 저작 워크플로는 Pandoc 등 기존 도구가 이미 담당합니다. MDM의 집중 영역은 읽기와 추출 — 독점 포맷 안에 갇힌 콘텐츠를 AI와 사람이 활용할 수 있도록 해방하는 것입니다.

Note: mdm-core (Rust-powered) is coming soon. For now, use pip install mdm-parser for Python-native parsing.

pip install mdm-core[langchain]  # Coming soon

from mdm_core.langchain import MDMLoader

# Load a single file
loader = MDMLoader("contract.hwp")
docs = loader.load()

# Load an entire folder (auto-detects HWP, PDF, DOCX)
loader = MDMLoader("./documents/")
docs = loader.load()

# Connect directly to LangChain RAG pipeline
from langchain_openai import ChatOpenAI
from langchain.chains import RetrievalQA
from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings

vectorstore = FAISS.from_documents(docs, OpenAIEmbeddings())
qa = RetrievalQA.from_chain_type(ChatOpenAI(), retriever=vectorstore.as_retriever())
answer = qa.invoke("What are the termination conditions in this contract?")

pip install mdm-core[llamaindex]  # Coming soon

from mdm_core.llamaindex import MDMReader
from llama_index.core import VectorStoreIndex

reader = MDMReader()
docs = reader.load_data(["notice.hwpx", "law.pdf", "contract.docx"])

index = VectorStoreIndex.from_documents(docs)
engine = index.as_query_engine()
response = engine.query("What are the eligibility requirements?")

---
format: hwpx
version: "1.0"
sections: 2
---

**행정안전부 공고 제2025 – 2377호**

2026년 제1기 행정안전부 청년인턴 채용 공고

| **근무기관(지역)** | **지원코드** | **채용분야** | **선발인원** |
| --- | --- | --- | --- |
| 행정안전부 본부(세종) | **인턴01** | **행정** | **16** |
| | **인턴02** | **홍보** | **7** |
| 지방자치인재개발원(전북 완주) | **인턴06** | **행정** | **12** |
...

Tables, bold, and document structure are fully preserved.

MDM provides 6 dedicated syntax prefixes for embedding media in Markdown. The prefix symbol declares the media type.

[[]] double brackets mark "this is MDM media", and the preceding symbol declares the type.

@[[photo.jpg]]              Image
~[[table_01.svg]]           Table/Chart
&[[youtube:dQw4w9WgXcQ]]    Embed (external service)
%[[intro.mp4]]              Video
$[[E = mc^2]]               Equation (LaTeX)
^[[podcast.mp3]]            Audio

More frequent types are assigned to easier-to-reach keys (RISC-V encoding principle).

All types support | attribute options:

@[[photo.jpg | w=800 center caption="Seoul night view"]]
%[[demo.mp4 | autoplay muted loop]]
&[[youtube:id | w=100%]]

Reference resources pre-defined in the .mdm manifest by name:

@[[logo:header]]        logo resource's header preset from .mdm
#[[budget-table]]       budget-table defined in .mdm

When MDM converts HWP/PDF/DOCX:

output/
├── index.md              Body text (with MDM references)
│   @[[image_001]]        ← auto-numbered
│   ~[[table_001]]
├── manifest.mdm          Resource index (YAML)
│   image_001: assets/images/image_001.png
│   table_001: assets/tables/table_001.svg
└── assets/
    ├── images/
    │   ├── image_001.png
    │   └── image_002.jpg
    └── tables/
        └── table_001.svg

Auto-numbering rule: {type}_{appearance_order:3digits} (page order > top-to-bottom > left-to-right)

[[]] double brackets are the MDM marker. Only the symbol + [[ pattern is recognized as MDM, so standalone symbol usage (~strikethrough~, $100) is never misinterpreted.

~~strikethrough~~       ← Markdown strikethrough (~~+text+~~)
~[[table.svg]]          ← MDM table/chart        (~+[[, single tilde)

$x^2$                   ← LaTeX inline            ($+equation+$)
$[[E=mc^2]]             ← MDM equation            ($+[[, no closing $)

![alt](src)             ← Standard image          (![ prefix)
@[[image.jpg]]          ← MDM image               (@[[ prefix)

[^1]                    ← Footnote                ([^ prefix)
^[[audio.mp3]]          ← MDM audio               (^[[ prefix)

All 6 symbols verified conflict-free with CommonMark/GFM/LaTeX.

Full syntax spec: docs/MDM_SYNTAX_SPEC.md

markdown-media/
├── core/                    # [Rust] Core parser engine (21,000+ LOC)
│   └── src/
│       ├── hwp/             #   HWP parser (OLE, encryption, legal docs)
│       ├── hwpx/            #   HWPX parser (XML)
│       ├── pdf/             #   PDF parser (layout, heading detection)
│       ├── docx/            #   DOCX parser (hyperlinks, footnotes)
│       ├── wasm.rs          #   WASM bindings (browser)
│       └── main.rs          #   CLI tool
├── packages/
│   ├── python/              # [Python] mdm-core (Rust bindings, coming soon)
│   │   └── python/mdm_core/ #   LangChain, LlamaIndex loaders
│   └── parser-py/           # [Python] pip install mdm-parser (available now)
├── viewer/
│   └── index.html           # Web viewer (44KB, no install)
├── tests/
│   ├── docx_benchmark/      # DOCX benchmark (vs Pandoc)
│   ├── pdf_benchmark/       # PDF benchmark (vs Marker)
│   └── benchmark_engine.py  # Quantitative metrics (BLEU, edit distance)
└── samples/input/           # Test HWP/HWPX files

• Rust 1.70+ (install)
• Python 3.8+ (for Python package build)

git clone https://github.com/seunghan91/markdown-media.git
cd markdown-media

# Build
cd core && cargo build --release

# Test (all 159 must pass)
cargo test

pip install maturin
cd packages/python
maturin build --release
pip install target/wheels/mdm_core-*.whl

데스크톱 앱은 Tauri 2 (Rust + Svelte) 기반입니다.

Prerequisites:

• Node.js 20+
• Rust 1.70+ (rustup.rs)
• macOS 전용: Xcode Command Line Tools (xcode-select --install)
• Windows 전용: Visual Studio Build Tools (C++ 워크로드 포함)

cd desktop
npm install

# 개발 서버 (핫 리로드)
npm run tauri dev

# 릴리즈 빌드 (.dmg + .app)
npm run tauri build

출력 위치: desktop/src-tauri/target/release/bundle/

• macos/MDM Desktop.app
• dmg/MDM Desktop_0.1.0_aarch64.dmg

주의: Windows 설치파일은 Windows 환경에서만 빌드 가능합니다. macOS에서 빌드하려면 아래 GitHub Actions 방법을 사용하세요.

Windows 머신에서:

cd desktop
npm install

:: 개발 서버
npm run tauri dev

:: 릴리즈 빌드 (.msi + .exe)
npm run tauri build

출력 위치: desktop\src-tauri\target\release\bundle\

• msi\MDM Desktop_0.1.0_x64_en-US.msi
• nsis\MDM Desktop_0.1.0_x64-setup.exe

macOS에서 Windows 설치파일을 만들려면 CI를 사용합니다:

# .github/workflows/release.yml
jobs:
  build-desktop:
    strategy:
      matrix:
        include:
          - os: macos-latest   # → .dmg
          - os: windows-latest # → .msi / .exe
    runs-on: ${{ matrix.os }}
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with: { node-version: 20 }
      - uses: dtolnay/rust-toolchain@stable
      - run: cd desktop && npm ci
      - uses: tauri-apps/tauri-action@v0
        with:
          projectPath: desktop/

# Generate test files
python3 tests/docx_benchmark/generate_test_docx.py
python3 tests/pdf_benchmark/generate_test_pdfs.py

# DOCX: MDM vs Pandoc
python3 tests/docx_benchmark/compare_quality.py

# PDF: MDM vs Marker vs pdftotext
python3 tests/pdf_benchmark/compare_quality.py

# Quantitative metrics (BLEU, edit distance)
python3 tests/benchmark_engine.py

90% of information is trapped in unstructured documents (PDF, DOCX, legacy formats like HWP). AI needs structured text, but existing converters discard media assets.

90%의 정보가 비정형 문서(PDF, DOCX, HWP 등 레거시 포맷)에 갇혀 있습니다. AI는 구조화된 텍스트가 필요하지만, 기존 변환기들은 미디어 에셋을 폐기합니다.

The problems / 문제점:

• No HWP support — Existing tools (Marker, Docling, MinerU, MarkItDown) don't support HWP at all. 기존 도구들은 HWP를 전혀 지원하지 않습니다.
• Media loss — Current converters extract text only, discarding images, charts, and tables. 현재 변환기들은 텍스트만 추출하고 이미지, 차트, 표를 폐기합니다.
• Quality gaps — Pandoc breaks DOCX tables; PDF tools miss heading hierarchy. Pandoc은 DOCX 테이블을 망가뜨리고, PDF 도구는 제목 계층을 놓칩니다.
• Speed — Python-based tools are slow. Python 기반 도구는 느립니다.

MDM solves all of these / MDM은 이 모든 문제를 해결합니다:

• HWP Native Parsing — The only tool in the world. 세계 유일의 HWP 네이티브 파서.
• Rust Performance — 10-100x faster than Python-based tools. Python 대비 10-100배 빠름.
• Media Preservation — Every image, table, and chart extracted, indexed, and referenced. 모든 이미지, 표, 차트를 추출, 인덱싱, 참조.
• AI-Ready — LangChain/LlamaIndex integration out of the box. LangChain/LlamaIndex 즉시 연결.

v0.1 ──── v0.5 ──── v1.0 ──── v2.0
기반       확장       완성       생태계

• 9개 포맷 변환 (HWP/HWPX/PDF/DOCX/PPTX/XLSX/HTML/CSV/TXT)
• Rust core + Python (pip install mdm-parser) + CLI
• MCP gateway (Korea Law Hub)
• Desktop app (Tauri, macOS)
• WASM build (npm install @markdown-media/wasm)

• 표 병합 셀 보존 — HWP rowspan/colspan → .mdm sidecar에 구조 보존
• 중첩 표 — 표 안의 표를 참조 기반으로 추출
• 수식 — HWP EQEDIT → LaTeX/MathML 변환
• hwp2mdm inspect — 변환 품질 디버깅 CLI
• GitHub Pages 데모 (WASM, 설치 없이 체험)

• .mdx + .mdm 사이드카 포맷 정식 스펙
• @markdown-media/viewer — MDM 뷰어 (브라우저 렌더러)
• 병합 표/수식/중첩 구조의 완전한 HTML 렌더링
• VS Code 확장 (HWP → Markdown 변환)
• Pandoc 품질 벤치마크 자동화

• 플러그인 아키텍처 (커스텀 포맷 추가)
• 실시간 협업 뷰어
• LangChain/LlamaIndex 공식 통합
• 다국어 OCR 강화

Scope: MDM은 기존 문서 → Markdown 단방향 파이프라인입니다. Markdown을 HWP/DOCX로 역변환하는 기능은 범위 밖입니다.

All contributions are welcome! See CONTRIBUTING.md.

We especially need help with:

• HWP equation parsing
• PDF OCR (scanned documents)
• WASM build optimization (removing C dependencies)
• Real-world document test cases

MIT License

MDM(Markdown-Media)は、HWP、PDF、DOCXなどの文書をMarkdown + メディアバンドルに変換する高速エンジンです。Rustで構築され、PandocやMarkerよりも高品質で10-100倍高速です。AI/LLMパイプラインに最適化されています。

主な特徴:

• HWPネイティブ対応 — 世界唯一のオープンソースHWP→Markdownエンジン
• メディア保存 — 画像、表、チャートをインデックス付きで抽出
• 型別メディア構文 — @[[画像]] ~[[表]] %[[動画]] $[[数式]] ^[[音声]] &[[埋め込み]]
• Python統合 — pip install mdm-parser でパーサーを即座に利用可能

MDM(Markdown-Media)是一个将HWP、PDF、DOCX等文档转换为Markdown + 媒体包的高速引擎。基于Rust构建，比Pandoc和Marker质量更高、速度快10-100倍。专为AI/LLM管道优化。

主要特点:

• HWP原生支持 — 全球唯一的开源HWP→Markdown引擎
• 媒体保留 — 提取图像、表格、图表并建立索引
• 类型化媒体语法 — @[[图像]] ~[[表格]] %[[视频]] $[[公式]] ^[[音频]] &[[嵌入]]
• Python集成 — pip install mdm-parser 即可使用解析器

Author: seunghan91 Last Updated: 2026.04.13