LibreOfficeFileConverter

LibreOfficeFileConverter

LibreOffice의 커맨드라인 인터페이스(soffice)를 사용해 오피스 파일을 형식 간에 변환해주는 컴포넌트예요. 원본 파일을 다운스트림 컨버터가 지원하는 형식으로 바꿔야 할 때, 문서 컨버터(예: DOCXToDocument) 앞에 두면 돼요.

출처: LibreOfficeFileConverter

본문

개요

LibreOfficeFileConverter는 LibreOffice의 soffice 커맨드라인 유틸리티로 오피스 파일을 한 형식에서 다른 형식으로 변환해요. 문서·스프레드시트·프레젠테이션 형식을 폭넓게 지원해서, 파이프라인이 다운스트림 컨버터가 지원하지 않는 형식의 파일을 받을 때 유용해요.

대부분의 컨버터와 달리 LibreOfficeFileConverter는 Haystack Document가 아니라 ByteStream 객체를 출력해요. 그래서 보통 문서 컨버터(예: DOCXToDocument나 PyPDFToDocument)와 연결해 최종 Document를 만들어요.

LibreOffice가 설치돼 있어야 하고 soffice로 PATH에 있어야 해요. 자세한 내용은 LibreOffice 설치 가이드를 참고하세요.

지원되는 변환

이 목록은 전부가 아니에요. 모든 지원 변환은 LibreOffice 필터 문서를 확인하세요.

사용법

LibreOffice 통합을 설치해요.

pip install libreoffice-haystack

단독 사용:

from pathlib import Path
from haystack_integrations.components.converters.libreoffice import (
    LibreOfficeFileConverter,
)

converter = LibreOfficeFileConverter()
result = converter.run(sources=[Path("sample.doc")], output_file_type="docx")
bytestreams = result["output"]

매번 run() 호출 때 넘기기 싫으면 초기화 시점에 output_file_type을 설정할 수도 있어요.

converter = LibreOfficeFileConverter(output_file_type="pdf")
result = converter.run(sources=[Path("report.pptx")])

파이프라인 안에서:

LibreOfficeFileConverter를 문서 컨버터와 연결하는 게 흔한 패턴이에요. 아래 예시는 예전 .doc 파일을 .docx로 변환한 뒤 Haystack Document로 추출해요.

from pathlib import Path
from haystack import Pipeline
from haystack.components.converters import DOCXToDocument
from haystack_integrations.components.converters.libreoffice import (
    LibreOfficeFileConverter,
)

pipeline = Pipeline()
pipeline.add_component(
    "libreoffice_converter",
    LibreOfficeFileConverter(output_file_type="docx"),
)
pipeline.add_component("docx_converter", DOCXToDocument())

pipeline.connect("libreoffice_converter.output", "docx_converter.sources")

result = pipeline.run(
    {"libreoffice_converter": {"sources": [Path("legacy_report.doc")]}},
)
documents = result["docx_converter"]["documents"]

더 알아보기 (Learn more)

• LibreOffice 통합 API reference
• LibreOffice 필터 문서
• 데이터 클래스(ByteStream) 문서