[전처리기/xlsx] tabular 모드 헤더 자동판정 강화 — 비병합 제목행을 헤더로 잡지 않기

[HeechanKim-Genon]

프로젝트

No response

상세 설명

• tabular 모드로 xlsx를 적재할 때, 표 상단의 병합 안 된 단일 셀 제목행(예: □ 제조업 등(건설업 외 업종))을 헤더행으로 오인함. 그 결과 진짜 헤더(연번·기인물·방호조치…)가 데이터행으로 밀리고, 컬럼이 col_2~col_9 무명 키로 저장되어 column_map에는 제목행 하나만 매핑됨.

• 원인은 _detect_header(converters/xlsx_processor.py)의 헤더행 판정이 "가로병합 없는 첫 행" 기준이기 때문. 원래 의도는 "모든 칸이 찬 첫 행 = 헤더"였으나 그대로 구현되지 않음.

• 제안: 선두 행이 가로병합 없이 일부 칸만 채워진 경우 제목행으로 스킵. 계층 헤더(가로병합 그룹 + 하위 헤더, 예: 건설업 시트)의 기존 병합 처리는 유지. 수정 후 재적재 필요(tabular 모드만 해당, docling 무관).

증상을 확인할 수 있는 step

1. 해당 xlsx를 tabular 모드로 벡터DB에 적재
2. 적재된 벡터의 property 확인
3. 컬럼 키가 col_2~col_9(무명) + field_<hash>(제목행)로 저장되고, column_map이 {"field_...": "□ 제조업 등(건설업 외 업종)"}처럼 제목행만 매핑됨
4. 기인물·고위험작업·상황·위험성 감소대책 등 실제 컬럼명이 키에 없음

재현문서

• 벡터DB: https://genos.genon.ai/data/vectordb-source/detail/2180/
• ID: 120235
• 문서 제목 : 붙임1. 사망사고 고위험요인(SIF) 아카이브(제조업 등, 건설업).xlsx
• 현상: 각 벡터의 key에 올바르지 않은 컬럼명 매핑