fix(preview): 검색 결과 표 태그 노출 근본 수정 + v3.0.2

kordoc 이 colspan/rowspan 병합셀 표를 HTML <table> 로 반환해 인덱싱 텍스트에
td/tr/colspan 태그가 박히고, 검색 결과 카드 스니펫에 그대로 노출되던 것 수정.

- 백엔드(근본): kordoc parse() 의 content/chunks 를 인덱싱 전 HTML 표→plain text
  (행=줄바꿈·셀=공백) 로 정규화. FTS5 인덱스·snippet·content_preview 정화.
  미리보기 패널은 get_markdown 원본 경로라 GFM 표 렌더 그대로 유지.
- 프론트(방어): stripHtmlTags 강화 — 토큰화로 < > = " 구분자가 날아간
  td colspan4tdtr 잔재까지 정리. 공백 깨진 태그는 표 토큰으로만 좁게 겨냥해
  본문 부등호/꺾쇠(a < b, template<T>) 오삭제 방지.
- kordoc HTML표 변환 유닛 테스트 8종 추가 (헤더셀·인라인태그·복수표·중첩표·빈셀 등).
- 버전 3.0.1 → 3.0.2, CHANGELOG/README 배지 갱신.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

Author: chrisryugj

CHANGELOG.md

@@ -1,5 +1,21 @@
 # Changelog
 
+## [3.0.2] - 2026-06-19
+
+**검색 결과 미리보기 표 태그 노출 근본 수정 (v3.0.0 후속)**
+
+### 🐛 수정
+
+- **검색 결과 카드에 표 태그(`td`/`tr`/`colspan`) 노출** — kordoc은 colspan/rowspan 병합셀 표를 GFM으로 표현하지 못해 HTML `<table>`로 반환하는데, 이 태그가 인덱싱 텍스트에 그대로 들어가 검색 결과 스니펫에 노출되던 것을 근본 수정. (v3.0.0의 미리보기 패널 방어는 별도 경로였고, 이번엔 검색 결과 카드/인덱스 경로를 잡는다.)
+  - **백엔드(근본)** — kordoc 파싱 결과를 인덱스/청크에 넣기 전 HTML 표를 plain text(행=줄바꿈·셀=공백)로 직렬화. FTS5 인덱스·`snippet()`·`content_preview`가 깨끗해진다. 미리보기 패널은 별도 경로(`get_markdown` 원본)를 써 GFM 표 렌더가 그대로 유지된다.
+  - **프론트(방어)** — `stripHtmlTags`를 강화해, FTS5 토큰화 과정에서 `< > = "` 구분자가 떨어져 나가 `td colspan4tdtr`처럼 깨진 잔재까지 정리. 공백이 끼어 깨진 태그는 표 전용 토큰(td/tr/th/colspan/rowspan)으로만 좁게 겨냥해 본문의 `a < b`·`template<T>` 같은 부등호/꺾쇠 오삭제를 방지한다.
+
+> **업그레이드 노트**: 백엔드 정규화는 신규·재인덱싱 문서에 적용됩니다. 이미 인덱싱된 문서의 태그 잔재는 프론트 방어로 가려지며, 해당 폴더를 재인덱싱하면 인덱스 자체가 깨끗해집니다.
+
+### 🧹 내부
+
+- kordoc 파서에 HTML 표→plain text 변환 유닛 테스트 8종 추가(헤더셀·인라인태그·복수표·중첩표·빈셀·잔여태그·noop·기본). 백엔드 테스트 전체 통과, clippy 무경고.
+
 ## [3.0.1] - 2026-06-19
 
 **`.eml` 메일 파일 검색 지원 (이슈 #29)**

README.md

@@ -14,7 +14,7 @@
 </p>
 
 <p align="center">
-  <a href="https://github.com/chrisryugj/Docufinder/releases"><img src="https://img.shields.io/badge/version-3.0.0-blue.svg" alt="Version" /></a>
+  <a href="https://github.com/chrisryugj/Docufinder/releases"><img src="https://img.shields.io/badge/version-3.0.2-blue.svg" alt="Version" /></a>
   <a href="https://tauri.app"><img src="https://img.shields.io/badge/Tauri-2.10-24C8D8.svg" alt="Tauri 2" /></a>
   <a href="LICENSE"><img src="https://img.shields.io/badge/License-BSL%201.1-blue.svg" alt="License" /></a>
 </p>

package.json

@@ -1,6 +1,6 @@
 {
   "name": "anything",
-  "version": "3.0.1",
+  "version": "3.0.2",
   "description": "로컬 문서 검색 앱 - Everything 대항마",
   "type": "module",
   "scripts": {

src-tauri/Cargo.lock

@@ -1,6 +1,6 @@
 [package]
 name = "docufinder"
-version = "3.0.1"
+version = "3.0.2"
 description = "로컬 문서 검색 앱 - HWPX, Office, PDF 지원"
 authors = ["Chris"]
 edition = "2021"

src-tauri/Cargo.toml

@@ -216,10 +216,15 @@ pub fn parse_with_options(path: &Path, opts: KordocOptions) -> Result<ParsedDocu
         page_count: meta.page_count,
     };
 
-    let chunks = chunk_text(&markdown, DEFAULT_CHUNK_SIZE, DEFAULT_CHUNK_OVERLAP);
+    // kordoc 은 colspan/rowspan 병합셀 표를 GFM 으로 표현하지 못해 HTML <table> 로 반환한다.
+    // 그대로 인덱싱하면 검색 결과 스니펫에 td/tr/colspan 태그가 노출되므로(FTS5 토큰화 과정에서
+    // 깨진 잔재까지 섞여 표시 레이어 정규식만으로는 못 막음) 검색용 content/chunks 에선 표를
+    // plain text 로 직렬화한다. 미리보기 패널은 get_markdown 원본을 써 GFM 렌더가 유지된다.
+    let content = html_tables_to_text(&markdown);
+    let chunks = chunk_text(&content, DEFAULT_CHUNK_SIZE, DEFAULT_CHUNK_OVERLAP);
 
     Ok(ParsedDocument {
-        content: markdown,
+        content,
         metadata,
         chunks,
     })
@@ -554,3 +559,128 @@ fn parse_iso_timestamp(s: &str) -> Option<i64> {
     }
     None
 }
+
+/// kordoc 마크다운의 HTML 표(`<table>…</table>`)를 검색 인덱스용 plain text 로 변환한다.
+///
+/// 행은 줄바꿈, 셀은 공백으로 직렬화하고 변환되지 못한(중첩 표 등) 잔여 표/줄바꿈 태그를
+/// 제거한다. 표가 없으면 입력을 그대로 돌려준다(정규식 매칭 0 → 사실상 무비용).
+/// 미리보기 패널은 `get_markdown` 원본(HTML 표 유지)을 쓰므로 GFM 렌더에는 영향이 없다.
+fn html_tables_to_text(md: &str) -> String {
+    use std::sync::OnceLock;
+    static TABLE_RE: OnceLock<regex::Regex> = OnceLock::new();
+    static ROW_RE: OnceLock<regex::Regex> = OnceLock::new();
+    static CELL_RE: OnceLock<regex::Regex> = OnceLock::new();
+    static INNER_TAG_RE: OnceLock<regex::Regex> = OnceLock::new();
+    static LEFTOVER_RE: OnceLock<regex::Regex> = OnceLock::new();
+
+    let table_re =
+        TABLE_RE.get_or_init(|| regex::Regex::new(r"(?is)<table[^>]*>.*?</table>").unwrap());
+    let row_re = ROW_RE.get_or_init(|| regex::Regex::new(r"(?is)<tr[^>]*>(.*?)</tr>").unwrap());
+    let cell_re =
+        CELL_RE.get_or_init(|| regex::Regex::new(r"(?is)<t[dh][^>]*>(.*?)</t[dh]>").unwrap());
+    let inner_tag_re = INNER_TAG_RE.get_or_init(|| regex::Regex::new(r"(?is)<[^>]+>").unwrap());
+    let leftover_re = LEFTOVER_RE.get_or_init(|| {
+        regex::Regex::new(r"(?is)</?(?:table|thead|tbody|tfoot|tr|td|th|col|colgroup|br)[^>]*>")
+            .unwrap()
+    });
+
+    let replaced = table_re.replace_all(md, |caps: &regex::Captures| {
+        let table = &caps[0];
+        let mut rows: Vec<String> = Vec::new();
+        for row in row_re.captures_iter(table) {
+            let mut cells: Vec<String> = Vec::new();
+            for cell in cell_re.captures_iter(&row[1]) {
+                let stripped = inner_tag_re.replace_all(&cell[1], " ");
+                let cell_text = stripped.split_whitespace().collect::<Vec<_>>().join(" ");
+                if !cell_text.is_empty() {
+                    cells.push(cell_text);
+                }
+            }
+            if !cells.is_empty() {
+                rows.push(cells.join(" "));
+            }
+        }
+        if rows.is_empty() {
+            String::new()
+        } else {
+            format!("\n{}\n", rows.join("\n"))
+        }
+    });
+
+    // 중첩 표 등으로 위 변환을 빠져나간 잔여 표/줄바꿈 태그 제거 (정규식은 중첩을 셀 수 없음).
+    leftover_re.replace_all(&replaced, " ").into_owned()
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    #[test]
+    fn html_table_serialized_to_plain_text() {
+        let md = "앞\n<table><tr><td>A</td><td colspan=\"2\">B</td></tr>\
+                  <tr><td>C</td><td>D</td></tr></table>\n뒤";
+        let out = html_tables_to_text(md);
+        assert!(out.contains("A B"), "행1 셀이 공백 결합돼야: {out:?}");
+        assert!(out.contains("C D"), "행2 셀이 공백 결합돼야: {out:?}");
+        assert!(!out.contains("<td"), "td 태그 잔존: {out:?}");
+        assert!(!out.contains("colspan"), "colspan 잔존: {out:?}");
+        assert!(out.contains("앞") && out.contains("뒤"), "표 바깥 본문 보존: {out:?}");
+    }
+
+    #[test]
+    fn no_table_is_noop() {
+        let md = "# 제목\n본문 텍스트 — GFM 표 아님 | 열1 | 열2";
+        assert_eq!(html_tables_to_text(md), md);
+    }
+
+    #[test]
+    fn leftover_table_tags_removed() {
+        // 닫는 </table> 가 없어 표 단위 변환에 실패해도 잔여 태그는 정리된다.
+        let md = "<tr><td>x</td><td>y</td>";
+        let out = html_tables_to_text(md);
+        assert!(!out.contains("<td") && !out.contains("<tr"), "잔여 태그 정리 실패: {out:?}");
+        assert!(out.contains('x') && out.contains('y'), "셀 텍스트 보존: {out:?}");
+    }
+
+    #[test]
+    fn th_header_and_inline_tags() {
+        // <th> 헤더 셀 + 셀 내부 인라인 태그(<b>)도 텍스트만 남는다.
+        let md = "<table><tr><th>구분</th><th>값</th></tr>\
+                  <tr><td><b>합계</b></td><td>100</td></tr></table>";
+        let out = html_tables_to_text(md);
+        assert!(out.contains("구분 값"), "헤더 행: {out:?}");
+        assert!(out.contains("합계 100"), "본문 행 + 인라인 태그 제거: {out:?}");
+        assert!(!out.contains('<'), "꺾쇠 잔존: {out:?}");
+    }
+
+    #[test]
+    fn multiple_tables_with_br_and_between_text() {
+        let md = "<table><tr><td>a</td></tr></table>중간<table><tr><td>b<br>c</td></tr></table>";
+        let out = html_tables_to_text(md);
+        assert!(
+            out.contains('a') && out.contains('b') && out.contains('c') && out.contains("중간"),
+            "내용 보존: {out:?}"
+        );
+        assert!(!out.contains("<br") && !out.contains("<td"), "태그 잔존: {out:?}");
+    }
+
+    #[test]
+    fn nested_table_leaves_no_tags() {
+        // 셀 안 중첩 표는 non-greedy 매칭이 안쪽 </table> 에서 멈춰 바깥 잔여가 생기지만,
+        // leftover 정리로 태그가 본문에 노출되지 않는다 (스니펫 노출 방어가 목적).
+        let md = "<table><tr><td><table><tr><td>안</td></tr></table></td></tr></table>";
+        let out = html_tables_to_text(md);
+        assert!(out.contains('안'), "내부 셀 텍스트 보존: {out:?}");
+        assert!(
+            !out.contains("<table") && !out.contains("<td") && !out.contains("</"),
+            "태그 잔존: {out:?}"
+        );
+    }
+
+    #[test]
+    fn empty_cells_skipped() {
+        let md = "<table><tr><td></td><td>값</td><td>   </td></tr></table>";
+        let out = html_tables_to_text(md);
+        assert_eq!(out.trim(), "값", "빈 셀은 스킵: {out:?}");
+    }
+}

src-tauri/src/parsers/kordoc.rs

@@ -1,7 +1,7 @@
 {
   "$schema": "https://schema.tauri.app/config/2",
   "productName": "Anything",
-  "version": "3.0.1",
+  "version": "3.0.2",
   "identifier": "com.anything.app",
   "build": {
     "beforeDevCommand": "pnpm dev",

src-tauri/tauri.conf.json

@@ -12,13 +12,31 @@ const DEFAULT_CONTEXT_AFTER = 200;
 
 // ── HTML 태그 처리 유틸 ──────────────────────────────
 
-/** HTML 태그 제거 (텍스트 콘텐츠만 유지, [[HL]] 마커 보존) */
+/**
+ * HTML 태그 제거 (텍스트 콘텐츠만 유지, [[HL]] 마커 보존).
+ *
+ * kordoc 이 병합셀 표를 HTML `<table>` 로 내보내 인덱스에 태그가 박힌 기존 문서 방어용.
+ * 신규/재인덱싱 문서는 백엔드(kordoc parse)에서 이미 plain text 로 정규화되지만,
+ * FTS5 토큰화 과정에서 `< > = "` 구분자가 떨어져 나가 `td colspan4tdtr` 처럼 깨진 잔재는
+ * 표시 시점에 한 번 더 정리한다. 표 전용 토큰(td/tr/th/colspan/rowspan)만 좁게 겨냥해
+ * 일반 본문 오삭제를 피한다.
+ */
 export function stripHtmlTags(text: string): string {
   return text
-    .replace(/<\/?[a-zA-Z][^>]*>/g, " ")                    // Full tags: <td>, </tr>, <th colspan="4">
-    .replace(/\w+="[^"]*"(?:\s+\w+="[^"]*")*\s*>/g, "")     // Partial attrs: colspan="4">
-    .replace(/\b(?:t[dhr]|table|thead|tbody|tfoot|\/t[dhr]|\/table|\/thead|\/tbody)>/gi, "") // Bare tag names: td>, /tr>
-    .replace(/\b(?:rowspan|colspan)="[^"]*"/gi, "")          // Stray attributes: rowspan="3"
+    // 표준 HTML 태그 (꺾쇠 바로 뒤 영문): <td>, </tr>, <th colspan="4">
+    .replace(/<\/?[a-zA-Z][^<>]*>/g, " ")
+    // 공백이 끼어 깨진 태그는 '표' 태그명으로 한정 — 본문의 < 영문 > (a < b, template<T>) 오삭제 방지
+    .replace(/<\s*\/?\s*(?:t[dhr]|table|thead|tbody|tfoot|col(?:group|span)?|rowspan)\b[^<>]*>/gi, " ")
+    // colspan/rowspan 속성 잔재 (구분자 날아가 숫자가 붙은 colspan4 형태까지 — 끝 \b 없음)
+    .replace(/\b(?:col|row)span\s*=?\s*"?\d*"?/gi, " ")
+    // 토큰화로 구분자가 사라져 붙어버린 표 셀/행 태그 시퀀스: tdtr, trtd, tdtd (2개 이상만)
+    .replace(/(?:t[dhr]){2,}/gi, " ")
+    // 잔여 닫는/여는 표 태그명: td>, /tr>, table>
+    .replace(/\b(?:t[dhr]|table|thead|tbody|tfoot|colgroup)\b\s*>/gi, " ")
+    // 정규식이 못 잡은 깨진 닫는 꺾쇠(</ 뒤가 한글 등 비영문)
+    .replace(/<\s*\/\s*(?![a-zA-Z])/g, " ")
+    // 따옴표 동반 깨진 꺾쇠 잔재 ("> =" 등) — 단독 부등호는 보존
+    .replace(/["']\s*[<>=/]+|[<>=/]+\s*["']/g, " ")
     .replace(/\s{2,}/g, " ");
 }