HWPX 포맷에 대한 관찰 — 설계 결정의 잔재로 읽기

[edwardkim]

rhwp 프로젝트를 진행하며 HWP와 HWPX 양쪽을 직접 파싱·직렬화·렌더링하다 보니 두 포맷에 대한 인상이 축적되었습니다. HWPX에 대한 현장 관찰을 공유하고, 동시대에 비슷한 작업을 하시는 분들의 관점도 듣고 싶어 글을 남깁니다.

출발점: 현장에서 느낀 인상

HWPX 설계자는 XML이 지금처럼 성숙하기 이전 시기에 XML을 공부하고 실험적으로 도입한 것으로 보입니다. HWPX 포맷을 볼수록 형식주의와 장식적 요소가 실용성보다 앞서 있고, 후발주자가 HWP 구조를 역으로 이해하려 할 때 구조적 장벽처럼 느껴지는 설계 결정들이 곳곳에서 눈에 띕니다.

관찰한 근거

rhwp에서 samples/hwpx 폴더 전체를 감사한 결과, 이 직관을 뒷받침하는 증거들이 있었습니다.

1. 과잉 네임스페이스 (hh:/hp:/hc:/hs:/opf:): 4개 네임스페이스로 쪼갠 실질적 이득이 없습니다. XML 설계 초창기 "네임스페이스는 모듈화의 해답"이라는 담론이 남긴 흔적입니다. 2007년 OOXML/ODF도 비슷한 과잉 분할을 했다가 실무에선 불편함만 남았습니다.

2. 표현 수단의 중복:

   • <hh:border> vs <hh:leftBorder>+<hh:rightBorder>+... — 같은 개념 두 번
   • <hp:pos> 속성 11개 + <hp:offset> 별도 자식 — 좌표를 attr로도 child로도
   • hp:sz와 hp:curSz와 hp:orgSz — 크기가 세 개
   • hc:transMatrix/scaMatrix/rotMatrix 6원소 행렬을 속성으로 박음 → 명백히 어색한 XML 사용

3. 이진 포맷 관성의 직역:

   • <hh:beginNum page="1" tbl="1" pic="1" equation="1" footnote="1" endnote="1"> — HWP 바이너리의 BeginNumber 구조체를 그대로 XML 속성으로 옮긴 흔적. XML 관용이면 <startNumber for="page">1</startNumber> 식이 더 자연스럽습니다.
   • fontRef/ratio/spacing/relSz/offset/... 모두 hangul/hanja/japanese/latin/other/symbol/user 7개 언어별 속성 — 바이너리의 배열 인덱스를 속성명으로 치환했습니다. 스키마 진화가 경직됩니다.

4. 역공학 불친절 정황:

   • id가 문자열이지만 값은 사실상 u16 (0, 1, 2...) — 굳이 문자열 파싱
   • binaryItemIDRef="image1" 처럼 prefix+숫자 복합 — ID 해석기 별도 필요
   • raw_ctrl_data 같은 "바이너리 원본 보존" 필드가 HWP엔 있지만 HWPX엔 없음 → HWPX만 받은 구현자는 HWP로 거꾸로 복원 불가

"형식주의"보다 더 정확한 원인 진단

"형식주의"는 외형에 대한 묘사이고, 기술사적으로는 다음 셋이 섞였다고 봅니다:

1. 시기적 한계: HWPX 초기 설계 시점(2010년대 초반)은 XML-first 설계와 바이너리-직역이 공존하던 과도기였습니다. JSON이 주류 되기 전이라 "확장성 = XML" 등식이 강했습니다.

2. OWPML 표준 추적의 부담: HWPX는 한국 국가 표준(KS X 6101) OWPML을 따르는 모양새를 취합니다. 표준화 위원회 결정이 섞이면서 "설계 일관성"보다 "정치적 합의"가 우선한 흔적이 남았습니다.

3. 하위호환 짐: HWP 바이너리와 1:1 매핑 유지가 요구사항이었을 가능성이 큽니다. 그러면 XML 관용을 따를 자유 자체가 없었습니다. 그 결과가 "XML로 쓴 HWP 바이너리"라는 하이브리드입니다.

"역공학 방해 의도"에는 신중

의도적 난독화라기보다 방어적 설계의 부작용으로 보는 것이 실증적입니다:

• 의도적이라면 암호화·서명·난수 ID를 썼을 것입니다. 실제로는 평문 XML + 규칙적 ID
• 다만 결과적으로 후발주자가 같은 IR을 만들기 어려운 구조가 된 건 맞습니다
• 이것이 현장에서 느껴진 "구조적 장벽"의 실체 — 악의는 아니나 중립성·접근성 원칙은 분명히 위배

한 줄 요약

"형식주의"는 외형 묘사, "하이브리드 설계의 잔재"가 기술적 진단. 결과는 같음 — 후발주자에게 불친절한 포맷.

rhwp는 그 속에서 의미(IR)와 뼈대(XML)를 분리하여 전자만 진지하게 다루고 후자는 기계적으로 충족시키는 전략을 택했습니다. HWP IR이 HWPX IR보다 선명하므로, 시리얼라이저는 "IR → HWPX XML 장식"으로 보는 관점이 실용적입니다.

비슷한 관찰을 하신 분, 혹은 다른 진단을 가진 분들의 의견이 궁금합니다.