feat(hns): HNS 물질 DB 데이터 확장 및 임포트 스크립트 개선

backend/scripts/hns-import/README.md

@@ -5,23 +5,31 @@
 ## 파이프라인 구조
 
 ```
-[Excel xlsm]
+[Excel xlsm]                    [PDF 물질정보집 (193종)]
-   ├─ (1) extract-excel.py   → out/base.json      (1,345종 기본 정보)
+   ├─ (1) extract-excel.py          (2b) extract-pdf.py
-   └─ (2) extract-images.py  → out/images/*.png   (225종 상세 카드 이미지)
+   │      → out/base.json                → out/pdf-data.json
-                                  ↓
+   └─ (2a) extract-images.py ──────────────────────────┐
-                               (3) ocr-images.ts  → out/ocr.json  (Claude Vision → 물성/위험도/EmS JSON)
+           → out/images/*.png                           │
-                                                                 ↓
+                ↓                                       │
-                                            (4) merge-data.ts  → frontend/src/data/hnsSubstanceData.json
+           (3) ocr-images.ts                           │
-                                                                              ↓
+               → out/ocr.json                          │
-                                                           (5) tsx src/db/seedHns.ts  → HNS_SUBSTANCE 테이블
+                          ↓                            ↓
+                     (4) merge-data.ts  ←──────────────┘
+                         → frontend/src/data/hnsSubstanceData.json
+                                       ↓
+                          (5) tsx src/db/seedHns.ts
+                              → HNS_SUBSTANCE 테이블
 ```
 
+**병합 우선순위**: `pdf-data.json` > `base.json` > `ocr.json`
+
 ## 전제 조건
 
-- Python 3.9+ with `openpyxl`
+- Python 3.9+ with `openpyxl`, `PyMuPDF(fitz)`
 - Node.js 20
-- `ANTHROPIC_API_KEY` 환경변수 (Claude Vision API)
+- `ANTHROPIC_API_KEY` 환경변수 (Claude Vision API, OCR 실행 시에만 필요)
-- Excel 원본 파일: `C:\Projects\MeterialDB\유해물질 화물적부도 검색툴.xlsm`
+- Excel 원본: `C:\Projects\MeterialDB\유해물질 화물적부도 검색툴.xlsm`
+- PDF 원본: `C:\Projects\MeterialDB\해상화학사고_대응_물질정보집.pdf`
 
 ## 실행 순서
 
@@ -36,17 +44,25 @@ python scripts/hns-import/extract-excel.py
 - 처리 시트: `화물적부도 화물코드`(1,345개), `동의어`(215개), `IBC CODE`(분류)
 - 출력: `scripts/hns-import/out/base.json`
 
-### 2) 이미지 225개 추출
+### 2a) 이미지 225개 추출 (선택 — OCR 실행 시만 필요)
 
 ```bash
 python scripts/hns-import/extract-images.py
 ```
 
-- 출력:
+- 출력: `out/images/{nameKr}.png`, `out/image-map.json`
-  - `scripts/hns-import/out/images/{nameKr}.png`
-  - `scripts/hns-import/out/image-map.json` (파일명↔시트명 매핑)
 
-### 3) Claude Vision OCR
+### 2b) PDF 물질정보집 파싱 ★ 권장
+
+```bash
+python scripts/hns-import/extract-pdf.py
+```
+
+- 입력: `C:\Projects\MeterialDB\해상화학사고_대응_물질정보집.pdf`
+- 해양경찰청 발행 193종, 텍스트 직접 추출 (OCR 불필요)
+- 출력: `scripts/hns-import/out/pdf-data.json`
+
+### 3) Claude Vision OCR (선택 — pdf-data.json 없을 때 보조)
 
 ```bash
 export ANTHROPIC_API_KEY="sk-ant-..."
@@ -54,17 +70,17 @@ cd backend
 npx tsx scripts/hns-import/ocr-images.ts
 ```
 
-- 이미지 한 장당 Claude API 1회 호출
+- 이미지 한 장당 Claude API 1회 호출, 동시 5개 병렬
-- 동시 5개 병렬, 실패 시 3회 재시도
+- 출력: `out/ocr.json` `{ [nameKr]: OcrResult }`
-- 출력: `scripts/hns-import/out/ocr.json` `{ [nameKr]: OcrResult }`
 
 ### 4) 최종 JSON 병합
 
 ```bash
+cd backend
 npx tsx scripts/hns-import/merge-data.ts
 ```
 
-- 입력: `out/base.json` + `out/ocr.json`
+- 입력: `out/base.json` + `out/pdf-data.json` + `out/ocr.json` (없으면 건너뜀)
 - 출력: `frontend/src/data/hnsSubstanceData.json` (전량 덮어쓰기)
 
 ### 5) DB 재시드
@@ -74,61 +90,51 @@ cd backend
 npx tsx src/db/seedHns.ts
 ```
 
-- 기존 `DELETE FROM HNS_SUBSTANCE` → 새 1,345종 INSERT
+- 기존 `DELETE FROM HNS_SUBSTANCE` → 새 514종 INSERT
+
+## 빠른 재실행 (PDF 추출 → 병합 → 시드)
+
+```bash
+cd backend
+python scripts/hns-import/extract-pdf.py && \
+npx tsx scripts/hns-import/merge-data.ts && \
+npx tsx src/db/seedHns.ts
+```
+
+## 현재 데이터 현황 (2024-04 기준)
+
+| 항목 | 이전 (OCR) | 현재 (PDF) |
+|------|-----------|-----------|
+| 총 물질 수 | 514종 | 514종 |
+| 상세정보 보유 (인화점 있음) | 152종 | 195종 |
+| NFPA 코드 있음 | ~150종 | 201종 |
+| CAS 번호 있음 | ~380종 | 504종 |
+| 해양거동 있음 | ~0종 | 206종 |
+| 한국어 유사명 있음 | ~200종 | 449종 |
 
 ## 재실행 안내
 
 - `out/` 디렉토리는 `.gitignore` 처리되어 커밋되지 않음
 - OCR 결과는 비결정적이므로 재실행 시 약간 달라질 수 있음
-- 비용 절감을 위해 OCR 결과는 보존하고 `ocr-images.ts --resume` 로 실패 항목만 재시도 가능
+- PDF 추출은 결정적(동일 입력 → 동일 출력)이므로 재실행 안전
 
-## 비용/시간 가이드
+## 알려진 이슈
 
-- 이미지 225장 × Claude Sonnet 4.6 기준 약 $3~10
+### 1) PDF 매칭 실패 35종
-- 전체 파이프라인: Excel 파싱 ~30초, 이미지 추출 ~10초, OCR ~10~20분, 병합/시드 ~1분
 
-## 알려진 이슈 (후속 작업 필요)
+PDF 국문명과 base.json 국문명이 달라 매칭되지 않는 항목이 35개 존재.
-
+`out/pdf-unmatched.json`에서 목록 확인 가능. 해당 항목은 OCR 데이터로 보조.
-### 1) OCR ↔ base.json 국문명 매칭 실패 (136건)
-
-`merge-data.ts` 실행 시 base.json의 국문명과 `ocr.json` 키 표기가 달라 상세정보가 연결되지 않는 물질이 다수 존재. 실제 514종 중 **상세 정보 보유는 73종** 수준.
-
-**예시:**
-| base.json 국문명 | ocr.json 키 |
-|---|---|
-| `1메톡시2프로판올` | `1-메톡시-2프로판올` |
-| `c810이소알코올` | `(C8-10)이소 알코올` |
-| `메탄올` | (OCR 없음, 이미지 누락) |
-| `가솔린` | `휘발유` (동의어) |
 
 **원인:**
-- 하이픈/공백/괄호 제거 수준 차이 (Excel 시트명과 이미지 파일명 추출 로직 불일치)
+- 영문제품명이 국문명으로 등록된 경우 (예: `DER 383 Epoxy resin` ↔ `디이알 383`)
-- 동의어 처리 미흡 (동의어 시트 215개 활용 필요)
+- 동일 CAS 충돌 (예: `컨덴세이트`와 `나프타`가 같은 CAS)
-- OCR 대상 225종 외 나머지 1,120종은 기본정보만 존재
+- 표기 차이 (예: `아이소파-G` ↔ `아이소파 G`)
 
-**권장 해결 방향:**
+### 2) 2열 레이아웃 파싱 노이즈 (약 9건)
-- `merge-data.ts` 에 정규화 함수 추가 (공백/하이픈/괄호 제거 후 매칭)
-- `base.json` 의 동의어(synonyms) 배열을 역인덱스로 활용해 OCR 키와 교차 매칭
-- 매칭 실패 목록을 `out/merge-unmatched.json` 으로 출력하여 수동 검토
 
-### 2) SEBC/CAS/UN 번호 varchar 길이 초과
+PDF 물질특성 블록이 2열로 구성되어 있어, 일부 항목에서 비중 값이 온도값으로 오추출될 수 있음.
+영향 범위 최소 (벤젠 등 9종, 값이 100 이상이면 의심).
+
+### 3) SEBC/CAS/UN 번호 varchar 길이 초과
 
 `base.json` 생성 시 Excel에서 복수 CAS/UN 번호를 줄바꿈으로 결합해 저장하여, `HNS_SUBSTANCE` 테이블의 `VARCHAR(20)` 등 제약을 초과했음. 현재는 [`seedHns.ts`](../../../backend/src/db/seedHns.ts) 의 `firstToken()` 헬퍼로 첫 토큰만 검색 컬럼에 저장하고 원본 전체는 `DATA` JSONB에 보존.
-
-**영향:**
-- `CAS_NO`, `UN_NO` 검색 시 두 번째 이후 번호로는 매칭 불가
-- 프론트엔드 표시 시 JSONB의 원본 값을 참조해야 함
-
-**권장 해결 방향:**
-- `extract-excel.py` 에서 복수 CAS/UN 을 배열로 분리 저장
-- 스키마에 `CAS_NO_LIST TEXT[]`, `UN_NO_LIST TEXT[]` 추가 후 GIN 인덱스 구성
-
-### 3) MSDS 요약시트 포맷 이미지 (약 5건)
-
-원본 xlsm 일부 시트는 표준 HNS 카드가 아닌 KOSHA MSDS 요약시트 포맷으로, 저해상도 + 필드 구조 상이로 OCR 정확도가 떨어짐.
-
-**해당 물질:** 프로필벤젠, 프르푸필 알콜, 프로필렌 클리콜 알긴산, 휘발유, 헥사메틸렌 디이소시안산
-
-**권장 해결 방향:**
-- `ANTHROPIC_API_KEY` 설정 후 `HNS_OCR_ONLY` 로 해당 5종만 재OCR
-- 이미지 누락 필드는 화학 문헌값(ICSC, PubChem)으로 보강

backend/scripts/hns-import/extract-pdf.py

@@ -0,0 +1,707 @@
+"""PDF 물질정보집 → pdf-data.json 변환.
+
+원본: C:\\Projects\\MeterialDB\\해상화학사고_대응_물질정보집.pdf
+   해양경찰청 발행 193종 물질 정보
+
+PDF 구조:
+- 페이지 1-21: 표지/머리말/목차
+- 페이지 22-407: 193종 × 2페이지 물질 카드
+    - 요약 카드 (홀수 순서): 인화점·발화점·증기압·증기밀도·폭발범위·NFPA·해양거동 등
+    - 상세 카드 (짝수 순서): 유사명·CAS·UN·GHS분류·물질특성·인체유해성·응급조치
+- 물질 NO(1-193) → 0-인덱스 시작 페이지: 21 + (NO-1) * 2
+
+출력: out/pdf-data.json
+  { [nameKr]: OcrResult } — merge-data.ts 와 동일한 키 구조
+"""
+
+from __future__ import annotations
+
+import io
+import json
+import os
+import re
+import sys
+from pathlib import Path
+
+import fitz  # PyMuPDF
+
+sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
+
+SCRIPT_DIR = Path(__file__).parent.resolve()
+OUT_DIR = SCRIPT_DIR / 'out'
+OUT_DIR.mkdir(exist_ok=True)
+
+PDF_PATH = Path(os.environ.get(
+    'HNS_PDF_PATH',
+    r'C:\Projects\MeterialDB\해상화학사고_대응_물질정보집.pdf',
+))
+
+# 전각 문자 → 반각 변환 테이블
+_FULLWIDTH = str.maketrans(
+    '（）ｔＣ°℃　，',
+    '()tC℃℃ ,',
+)
+
+
+def clean(s: str) -> str:
+    """텍스트 정리."""
+    if not s:
+        return ''
+    s = s.translate(_FULLWIDTH)
+    # 온도 기호 통일: 仁/七/부/사 → ℃ (OCR 오인식)
+    s = re.sub(r'(?<=[0-9])\s*[仁七부사 　　](?=\s|$|이|이하)', '℃', s)
+    s = re.sub(r'(?<=[0-9])\s*[tT](?=\s|$|이|이하)', '℃', s)
+    s = re.sub(r'\s+', ' ', s)
+    return s.strip()
+
+
+def norm_key(s: str) -> str:
+    """정규화 키: 공백/특수문자 제거 + 소문자."""
+    if not s:
+        return ''
+    return re.sub(r'[\s,./\-_()\[\]··]+', '', s).lower()
+
+
+def normalize_cas(raw: str) -> str:
+    """CAS 번호 정규화: OCR 노이즈 제거 후 X-XX-X 형식 반환."""
+    if not raw:
+        return ''
+    # 혼합물
+    if '혼합물' in raw:
+        return ''
+    # 특수 대시 → -
+    s = raw.replace('—', '-').replace('－', '-').replace('–', '-')
+    # OCR 오인식: 이,이,  공백 등 → 0
+    s = re.sub(r'[이oO０]', '0', s)
+    s = re.sub(r'["\'\s　]', '', s)  # 잡자 제거
+    # CAS 포맷 검증 후 반환
+    m = re.match(r'^(\d{2,7}-\d{2}-\d)$', s)
+    if m:
+        return m.group(1).lstrip('0') or '0'  # 앞자리 0 제거
+    # 완전히 일치 안 하면 숫자+대시만 남기고 검증
+    s2 = re.sub(r'[^0-9\-]', '', s)
+    m2 = re.match(r'^(\d{2,7}-\d{2}-\d)$', s2)
+    if m2:
+        return m2.group(1).lstrip('0') or '0'
+    return ''
+
+
+def find_cas_in_text(text: str) -> str:
+    """텍스트에서 CAS 번호 패턴 검색."""
+    # 표준 CAS 패턴: 숫자-숫자2자리-숫자1자리
+    candidates = re.findall(r'\b(\d{1,7}[\-—－\s]{1,2}\d{2}[\-—－\s]{1,2}\d)\b', text)
+    for c in candidates:
+        cas = normalize_cas(c)
+        if cas and len(cas) >= 5:
+            return cas
+    return ''
+
+
+def parse_nfpa(text: str) -> dict | None:
+    """NFPA 코드 파싱: '건강 : 3 화재 : 0 반응 : 1' 형태."""
+    m = re.search(r'건강\s*[：:]\s*(\d)\s*화재\s*[：:]\s*(\d)\s*반응\s*[：:]\s*(\d)', text)
+    if m:
+        return {
+            'health': int(m.group(1)),
+            'fire': int(m.group(2)),
+            'reactivity': int(m.group(3)),
+            'special': '',
+        }
+    # 대안 패턴: 줄바꿈 포함
+    m2 = re.search(r'건강\s*[：:]\s*(\d).*?화재\s*[：:]\s*(\d).*?반응\s*[：:]\s*(\d)', text, re.DOTALL)
+    if m2:
+        return {
+            'health': int(m2.group(1)),
+            'fire': int(m2.group(2)),
+            'reactivity': int(m2.group(3)),
+            'special': '',
+        }
+    return None
+
+
+def extract_field_after(text: str, label: str, max_chars: int = 80) -> str:
+    """레이블 직후 값 추출 (단순 패턴)."""
+    idx = text.find(label)
+    if idx < 0:
+        return ''
+    snippet = text[idx + len(label): idx + len(label) + max_chars + 50]
+    # 첫 비공백 줄 추출
+    lines = snippet.split('\n')
+    for line in lines:
+        v = clean(line)
+        if v and v not in (':', '：', ''):
+            return v[:max_chars]
+    return ''
+
+
+def parse_summary_card(text: str, index_entry: dict) -> dict:
+    """요약 카드(첫 번째 페이지) 파싱."""
+    result: dict = {}
+
+    # 인화점
+    m = re.search(r'인화점\s*\n([^\n화발증폭위※]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and '위험' not in val and len(val) < 40:
+            result['flashPoint'] = val
+
+    # 발화점
+    m = re.search(r'발화점\s*\n([^\n화발증폭위※인]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 40:
+            result['autoIgnition'] = val
+
+    # 증기압 (요약 카드에서는 값이 더 명확하게 나옴)
+    m = re.search(r'(?:증기압|흥기압)\s*\n?([^\n증기밀도폭발인화발화]+)', text)
+    if m:
+        val = clean(m.group(1))
+        # 파편화된 텍스트 제거
+        if val and re.search(r'\d', val) and len(val) < 60:
+            result['vaporPressure'] = val
+
+    # 증기밀도 숫자값
+    m = re.search(r'증기밀도\s*\n?([0-9][^\n]{0,20})', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 20:
+            result['vaporDensity'] = val
+
+    # 폭발범위 (2열 레이아웃으로 값이 레이블에서 멀리 떨어질 수 있어 전문 탐색도 병행)
+    m = re.search(r'폭발범위\s*\n([^\n위험인화발화※]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and '%' in val and len(val) < 30:
+            result['explosionRange'] = val
+    # 2열 레이아웃 폴백: 텍스트 전체에서 "숫자~숫자%" 패턴 검색
+    if not result.get('explosionRange'):
+        m = re.search(r'(\d+[\.,]?\d*\s*~\s*\d+[\.,]?\d*\s*%)', text)
+        if m:
+            result['explosionRange'] = clean(m.group(1))
+
+    # 화재시 대피거리
+    m = re.search(r'화재시\s*대피거리\s*\n?([^\n]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val:
+            result['responseDistanceFire'] = val
+
+    # 해양거동
+    m = re.search(r'해양거동\s*\n([^\n상온이격방호방제]+)', text)
+    if not m:
+        m = re.search(r'해양거동\s+([^\n]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 80:
+            result['marineResponse'] = val
+
+    # 상온상태
+    m = re.search(r'상온상태\s*\n([^\n이격방호비중색상휘발냄새]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 60:
+            result['state'] = val
+
+    # 냄새
+    m = re.search(r'냄새\s*\n([^\n이격방호색상비중상온휘발]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 60:
+            result['odor'] = val
+
+    # 비중
+    m = re.search(r'비중\s*\n[^\n]*\n([0-9][^\n]{0,25})', text)
+    if not m:
+        m = re.search(r'비중\s*\n([0-9][^\n]{0,25})', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 30:
+            result['density'] = val
+
+    # 색상
+    m = re.search(r'색상\s*\n([^\n이격방호냄새비중상온휘발]+)', text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 40:
+            result['color'] = val
+
+    # 이격거리 / 방호거리 거리 숫자 추출
+    m_hot = re.search(r'(?:이격거리|Hot\s*Zone).*?\n([^\n방호거리]+(?:\d+m|반경[^\n]+))', text, re.IGNORECASE)
+    if m_hot:
+        result['responseDistanceSpillDay'] = clean(m_hot.group(1))
+
+    m_warm = re.search(r'(?:방호거리|Warm\s*Zone).*?\n([^\n이격거리]+(?:\d+m|방향[^\n]+))', text, re.IGNORECASE)
+    if m_warm:
+        result['responseDistanceSpillNight'] = clean(m_warm.group(1))
+
+    return result
+
+
+def parse_detail_card(text: str) -> dict:
+    """상세 카드(두 번째 페이지) 파싱."""
+    result: dict = {}
+
+    # ── nameKr 헤더에서 추출 ──────────────────────────────────────────
+    # 형식: "001 과산화수소" or "0이 과산화수소"
+    first_lines = text.strip().split('\n')[:4]
+    for line in first_lines:
+        line = line.strip()
+        # 숫자/OCR숫자로 시작하고 뒤에 한글이 오는 패턴
+        m = re.match(r'^[0-9이이아오０-９]{2,3}\s+([\w\s\-,./()（）]+)$', line)
+        if m:
+            candidate = clean(m.group(1).strip())
+            if candidate and re.search(r'[가-힣A-Za-z]', candidate):
+                result['nameKr'] = candidate
+                break
+
+    # ── 분류 ──────────────────────────────────────────────────────────
+    m = re.search(r'(?:유해액체물질|위험물질|석유\s*및|해양환경관리법)[^\n]{0,60}', text)
+    if m:
+        result['hazardClass'] = clean(m.group(0))
+
+    # ── 물질요약 ───────────────────────────────────────────────────────
+    # 물질요약 레이블 이후 ~ 유사명/CAS 번호 전까지
+    m = re.search(r'(?:물질요약|= *닐으서|진 O야)(.*?)(?=유사명|CAS|$)', text, re.DOTALL)
+    if not m:
+        # 분류값 이후 ~ 유사명 전
+        m = re.search(r'(?:유해액체물질|석유 및)[^\n]*\n(.*?)(?=유사명|CAS)', text, re.DOTALL)
+    if m:
+        summary = re.sub(r'\s+', ' ', m.group(1)).strip()
+        if summary and len(summary) > 15:
+            result['materialSummary'] = summary[:500]
+
+    # ── 유사명 ─────────────────────────────────────────────────────────
+    m = re.search(r'유사명\s*\n?(.*?)(?=CAS|UN\s*번호|\d{4,7}-\d{2}-\d|분자식|$)', text, re.DOTALL)
+    if m:
+        synonyms_raw = re.sub(r'\s+', ' ', m.group(1)).strip()
+        # CAS 번호 형태면 제외
+        if synonyms_raw and not re.match(r'^\d{4,7}-\d{2}-\d', synonyms_raw) and len(synonyms_raw) < 300:
+            result['synonymsKr'] = synonyms_raw
+
+    # ── CAS 번호 ────────────────────────────────────────────────────────
+    # 1순위: "CAS번호" / "CAS 번호" 직후 줄
+    m = re.search(r'CAS\s*번호\s*\n\s*([^\n분자NFPA용도인화발화물질]+)', text)
+    if not m:
+        m = re.search(r'CAS\s*번호\s*([0-9][^\n분자NFPA용도인화발화물질]{4,20})', text)
+    if m:
+        cas = normalize_cas(m.group(1).strip().split()[0])
+        if cas:
+            result['casNumber'] = cas
+
+    # 2순위: 텍스트 전체에서 CAS 패턴 검색
+    if not result.get('casNumber'):
+        cas = find_cas_in_text(text)
+        if cas:
+            result['casNumber'] = cas
+
+    # ── UN 번호 ─────────────────────────────────────────────────────────
+    # NFPA 코드 이후 줄에 있는 4자리 숫자
+    m = re.search(r'(?:UN\s*번호|UN번호)\s*\n?\s*([0-9]{3,4})', text)
+    if not m:
+        # NFPA 다음 4자리 숫자
+        m = re.search(r'반응\s*[：:]\s*\d\s*\n\s*([0-9]{3,4})\s*\n', text)
+    if m:
+        result['unNumber'] = m.group(1).strip()
+
+    # ── NFPA 코드 ───────────────────────────────────────────────────────
+    nfpa = parse_nfpa(text)
+    if nfpa:
+        result['nfpa'] = nfpa
+
+    # ── 용도 ────────────────────────────────────────────────────────────
+    m = re.search(r'용도\s*\n(.*?)(?=물질특성|인체\s*유해|인체유해|흡입노출|보호복|초동|$)', text, re.DOTALL)
+    if m:
+        usage = re.sub(r'\s+', ' ', m.group(1)).strip()
+        # GHS 마크(특수문자 블록) 제거
+        usage = re.sub(r'<[^>]*>|[♦◆◇△▲▼▽★☆■□●○◐◑]+', '', usage).strip()
+        if usage and len(usage) < 200:
+            result['usage'] = usage
+
+    # ── 물질특성 블록 ───────────────────────────────────────────────────
+    props_start = text.find('물질특성')
+    props_end = text.find('인체 유해성')
+    if props_end < 0:
+        props_end = text.find('인체유해성')
+    if props_end < 0:
+        props_end = text.find('흡입노출')
+    props_text = text[props_start:props_end] if 0 <= props_start < props_end else text
+
+    # 인화점 (상세) — 단일 알파벳(X/O 등 위험도 마크) 제외, 숫자 포함 값만 허용
+    m = re.search(r'인화점\s+([^\n발화끓는수용상온]+)', props_text)
+    if not m:
+        m = re.search(r'인화점\s*\n\s*([^\n발화끓는수용상온]+)', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 40 and (re.search(r'\d', val) or re.search(r'없음|해당없음|N/A', val)):
+            result['flashPoint'] = val
+
+    # 발화점 (상세) — 숫자 포함 값만 허용
+    m = re.search(r'발화점\s+([^\n인화끓는수용상온]+)', props_text)
+    if not m:
+        m = re.search(r'발화점\s*\n\s*([^\n인화끓는수용상온]+)', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 40 and (re.search(r'\d', val) or re.search(r'없음|해당없음|N/A', val)):
+            result['autoIgnition'] = val
+
+    # 끓는점
+    m = re.search(r'끓는점\s+([^\n인화발화수용상온]+)', props_text)
+    if not m:
+        m = re.search(r'끓는점\s*\n\s*([^\n인화발화수용상온]+)', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 40:
+            result['boilingPoint'] = val
+
+    # 수용해도
+    m = re.search(r'수용해도\s+([^\n인화발화끓는상온]+)', props_text)
+    if not m:
+        m = re.search(r'수용해도\s*\n\s*([^\n인화발화끓는상온]+)', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 50:
+            result['solubility'] = val
+
+    # 상온상태 (상세)
+    m = re.search(r'상온상태\s+([^\n색상냄새비중증기인화발화]+)', props_text)
+    if not m:
+        m = re.search(r'상온상태\s*\n\s*([^\n색상냄새비중증기인화발화]+)', props_text)
+    if m:
+        val = clean(m.group(1)).strip('()')
+        if val and len(val) < 60:
+            result['state'] = val
+
+    # 색상 (상세)
+    m = re.search(r'색상\s+([^\n상온냄새비중증기인화발화]+)', props_text)
+    if not m:
+        m = re.search(r'색상\s*\n\s*([^\n상온냄새비중증기인화발화]+)', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 40:
+            result['color'] = val
+
+    # 냄새 (상세)
+    m = re.search(r'냄새\s+([^\n상온색상비중증기인화발화]+)', props_text)
+    if not m:
+        m = re.search(r'냄새\s*\n\s*([^\n상온색상비중증기인화발화]+)', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 60:
+            result['odor'] = val
+
+    # 비중 (상세)
+    m = re.search(r'비중\s+([0-9][^\n증기점도휘발]{0,25})', props_text)
+    if not m:
+        m = re.search(r'비중\s*\n\s*([0-9][^\n증기점도휘발]{0,25})', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 30:
+            result['density'] = val
+
+    # 증기압 (상세)
+    m = re.search(r'증기압\s+([^\n증기밀도점도휘발]{3,40})', props_text)
+    if not m:
+        m = re.search(r'증기압\s*\n\s*([^\n증기밀도점도휘발]{3,40})', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and re.search(r'\d', val):
+            result['vaporPressure'] = val
+
+    # 증기밀도 (상세)
+    m = re.search(r'증기밀도\s+([0-9,\.][^\n]{0,15})', props_text)
+    if not m:
+        m = re.search(r'증기밀도\s*\n\s*([0-9,\.][^\n]{0,15})', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 20:
+            result['vaporDensity'] = val
+
+    # 점도
+    m = re.search(r'점도\s+([0-9][^\n]{0,25})', props_text)
+    if not m:
+        m = re.search(r'점도\s*\n\s*([0-9][^\n]{0,25})', props_text)
+    if m:
+        val = clean(m.group(1))
+        if val and len(val) < 30:
+            result['viscosity'] = val
+
+    # ── 인체유해성 블록 ─────────────────────────────────────────────────
+    hazard_start = max(text.find('인체 유해성'), text.find('인체유해성'))
+    if hazard_start < 0:
+        hazard_start = text.find('급성독성')
+    response_start = text.find('초동대응')
+    hazard_text = text[hazard_start:response_start] if 0 <= hazard_start < response_start else ''
+
+    # IDLH
+    m = re.search(r'I?DLH[^\n]{0,20}\n?\s*([0-9][^\n]{0,20})', hazard_text or text)
+    if m:
+        val = clean(m.group(1))
+        if val and re.search(r'\d', val):
+            result['idlh'] = val
+
+    # TWA
+    m = re.search(r'TWA[^\n]{0,20}\n?\s*([0-9][^\n]{0,20})', hazard_text or text)
+    if m:
+        val = clean(m.group(1))
+        if val and re.search(r'\d', val):
+            result['twa'] = val
+
+    # ── 응급조치 ─────────────────────────────────────────────────────────
+    fa_start = text.find('흡입노출')
+    fa_end = text.find('초동대응')
+    if fa_start >= 0:
+        fa_text = text[fa_start: fa_end if fa_end > fa_start else fa_start + 600]
+        fa = re.sub(r'\s+', ' ', fa_text).strip()
+        result['msds'] = {
+            'firstAid': fa[:600],
+            'spillResponse': '',
+            'hazard': '',
+            'fireFighting': '',
+            'exposure': '',
+            'regulation': '',
+        }
+
+    # ── 초동대응 - 이격거리/방호거리 (상세카드에서) ─────────────────────
+    m = re.search(r'초기\s*이격거리[^\n]{0,10}m[^\n]{0,5}\n?\s*([0-9]+)', text)
+    if m:
+        result['responseDistanceSpillDay'] = m.group(1) + 'm'
+
+    m = re.search(r'방호거리[^\n]{0,10}m[^\n]{0,5}\n?\s*([0-9]+)', text)
+    if m:
+        result['responseDistanceSpillNight'] = m.group(1) + 'm'
+
+    m = re.search(r'화재\s*시\s*대피거리[^\n]{0,10}m[^\n]{0,5}\n?\s*([0-9]+)', text)
+    if m:
+        result['responseDistanceFire'] = m.group(1) + 'm'
+
+    # ── GHS 분류 ─────────────────────────────────────────────────────────
+    ghs_items = re.findall(
+        r'(?:인화성[^\n（(]{2,40}|급성독성[^\n（(]{2,40}|피부부식[^\n（(]{2,40}|'
+        r'눈\s*손상[^\n（(]{2,40}|발암성[^\n（(]{2,40}|생식독성[^\n（(]{2,40}|'
+        r'수생환경[^\n（(]{2,40}|특정표적[^\n（(]{2,40}|흡인유해[^\n（(]{2,40})',
+        text,
+    )
+    if ghs_items:
+        result['ghsClass'] = ' / '.join(clean(g) for g in ghs_items[:6])
+
+    return result
+
+
+def parse_index_pages(pdf: fitz.Document) -> dict[int, dict]:
+    """목차 페이지(4-21)에서 NO → {nameKr, nameEn, casNumber} 매핑 구축."""
+    index: dict[int, dict] = {}
+
+    for page_idx in range(3, 21):
+        page = pdf[page_idx]
+        text = page.get_text()
+        lines = [ln.strip() for ln in text.split('\n') if ln.strip()]
+
+        for i, line in enumerate(lines):
+            if not re.match(r'^\d{1,3}$', line):
+                continue
+            no = int(line)
+            if not (1 <= no <= 193):
+                continue
+            if no in index:
+                continue
+
+            # 탐색 창: NO 앞 1~4줄
+            cas, name_en, name_kr = '', '', ''
+            if i >= 1:
+                # CAS 줄: 숫자-숫자-숫자 패턴 (OCR 노이즈 허용)
+                raw_cas = lines[i - 1]
+                cas = normalize_cas(raw_cas) if re.match(r'^[0-9이이아oO０-９\-—－"\'\.  ]{5,30}$|혼합물', raw_cas) else ''
+                if not cas and '혼합물' in raw_cas:
+                    cas = '혼합물'
+
+            if cas or '혼합물' in (lines[i - 1] if i >= 1 else ''):
+                if i >= 2:
+                    name_en = lines[i - 2]
+                if i >= 3:
+                    name_kr = lines[i - 3]
+            elif i >= 2:
+                # CAS가 없는 경우(매칭 실패) - 줄 이동해서 재탐색
+                raw_cas2 = lines[i - 2] if i >= 2 else ''
+                cas = normalize_cas(raw_cas2) if re.match(r'^[0-9이이아oO０-９\-—－"\'\.  ]{5,30}$|혼합물', raw_cas2) else ''
+                if cas or '혼합물' in raw_cas2:
+                    name_en = lines[i - 1] if i >= 1 else ''
+                    # name_kr는 찾기 어려움
+
+            if not name_kr and i >= 3:
+                # 이름이 공백/짧으면 더 위 줄에서 찾기
+                for j in range(3, min(6, i + 1)):
+                    cand = lines[i - j]
+                    if re.search(r'[가-힣]', cand) and len(cand) > 1:
+                        name_kr = cand
+                        break
+
+            index[no] = {
+                'no': no,
+                'nameKr': name_kr,
+                'nameEn': name_en,
+                'casNumber': cas if cas != '혼합물' else '',
+            }
+
+    return index
+
+
+def extract_name_from_summary(text: str) -> tuple[str, str]:
+    """요약 카드에서 nameKr, nameEn 추출."""
+    name_kr, name_en = '', ''
+    lines = text.strip().split('\n')
+
+    # 1~6번 줄에서 한글 이름 탐색 (헤더 "해상화학사고 대응 물질정보집" 이후)
+    found_header = False
+    for line in lines:
+        line = line.strip()
+        if not line:
+            continue
+        # 제목 줄 건너뜀
+        if '해상화학사고' in line or '대응' in line or '물질정보집' in line:
+            found_header = True
+            continue
+        # 3자리 번호 줄 건너뜀
+        if re.match(r'^\d{1,3}$', line):
+            continue
+        # 한글이 있으면 nameKr 후보
+        if re.search(r'[가-힣]', line) and len(line) > 1 and '위험' not in line and '분류' not in line:
+            if not name_kr:
+                name_kr = clean(line)
+
+        # 영문명: (영문명) 형태
+        m_en = re.search(r'[（(]([A-Za-z][^）)]{3,60})[）)]', line)
+        if m_en and not name_en:
+            name_en = clean(m_en.group(1))
+
+        if name_kr and name_en:
+            break
+
+    return name_kr, name_en
+
+
+def parse_substance(pdf: fitz.Document, no: int, index_entry: dict) -> dict | None:
+    """물질 번호 no에 해당하는 2페이지를 파싱하여 통합 레코드 반환."""
+    start_idx = 21 + (no - 1) * 2
+    if start_idx + 1 >= pdf.page_count:
+        return None
+
+    summary_text = pdf[start_idx].get_text()
+    detail_text = pdf[start_idx + 1].get_text()
+
+    summary = parse_summary_card(summary_text, index_entry)
+    detail = parse_detail_card(detail_text)
+
+    # nameKr 결정 우선순위: 인덱스 > 상세카드 헤더 > 요약카드
+    name_kr = index_entry.get('nameKr', '')
+    if not name_kr:
+        name_kr = detail.get('nameKr', '')
+    if not name_kr:
+        name_kr, _ = extract_name_from_summary(summary_text)
+
+    # nameEn
+    name_en = index_entry.get('nameEn', '')
+
+    # 통합: detail 우선, 없으면 summary
+    merged: dict = {
+        'nameKr': name_kr,
+        'nameEn': name_en,
+    }
+
+    for key in ['casNumber', 'unNumber', 'usage', 'synonymsKr',
+                'flashPoint', 'autoIgnition', 'boilingPoint', 'density', 'solubility',
+                'vaporPressure', 'vaporDensity', 'volatility', 'explosionRange',
+                'state', 'color', 'odor', 'viscosity', 'idlh', 'twa',
+                'responseDistanceFire', 'responseDistanceSpillDay', 'responseDistanceSpillNight',
+                'marineResponse', 'hazardClass', 'ghsClass', 'materialSummary', 'msds']:
+        detail_val = detail.get(key)
+        summary_val = summary.get(key)
+        if detail_val:
+            merged[key] = detail_val
+        elif summary_val:
+            merged[key] = summary_val
+
+    # CAS: 인덱스 우선
+    if index_entry.get('casNumber') and not merged.get('casNumber'):
+        merged['casNumber'] = index_entry['casNumber']
+
+    # NFPA: detail 우선
+    if 'nfpa' in detail:
+        merged['nfpa'] = detail['nfpa']
+
+    if 'msds' not in merged:
+        merged['msds'] = {
+            'firstAid': '', 'spillResponse': '', 'hazard': '',
+            'fireFighting': '', 'exposure': '', 'regulation': '',
+        }
+
+    merged['_no'] = no
+    merged['_pageIdx'] = start_idx
+    return merged
+
+
+def main() -> None:
+    if not PDF_PATH.exists():
+        raise SystemExit(f'PDF 파일 없음: {PDF_PATH}')
+
+    print(f'[읽기] {PDF_PATH}')
+    pdf = fitz.open(str(PDF_PATH))
+    print(f'[PDF] 총 {pdf.page_count}페이지')
+
+    # 1. 인덱스 파싱
+    print('[인덱스] 목차 페이지 파싱 중...')
+    index = parse_index_pages(pdf)
+    print(f'[인덱스] {len(index)}개 항목 발견')
+
+    # 2. 물질 카드 파싱
+    results: dict[str, dict] = {}
+    failed: list[int] = []
+
+    for no in range(1, 194):
+        entry = index.get(no, {'no': no, 'nameKr': '', 'nameEn': '', 'casNumber': ''})
+        try:
+            rec = parse_substance(pdf, no, entry)
+            if rec:
+                name_kr = rec.get('nameKr', '')
+                if name_kr:
+                    key = name_kr
+                    if key in results:
+                        key = f'{name_kr}_{no}'
+                    results[key] = rec
+                else:
+                    print(f'  [경고] NO={no} nameKr 없음 - 건너뜀')
+                    failed.append(no)
+        except Exception as e:
+            print(f'  [오류] NO={no}: {e}')
+            failed.append(no)
+
+    pdf.close()
+
+    # 3. 저장
+    out_path = OUT_DIR / 'pdf-data.json'
+    with open(out_path, 'w', encoding='utf-8') as f:
+        json.dump(results, f, ensure_ascii=False, indent=2)
+
+    size_kb = out_path.stat().st_size / 1024
+    print(f'\n[완료] {out_path} ({size_kb:.0f} KB, {len(results)}종)')
+
+    if failed:
+        print(f'[경고] 파싱 실패 {len(failed)}종: {failed}')
+
+    # 4. 통계
+    with_flash = sum(1 for v in results.values() if v.get('flashPoint'))
+    with_nfpa = sum(1 for v in results.values() if v.get('nfpa'))
+    with_cas = sum(1 for v in results.values() if v.get('casNumber'))
+    with_syn = sum(1 for v in results.values() if v.get('synonymsKr'))
+    print(f'[통계] 인화점: {with_flash}종, NFPA: {with_nfpa}종, CAS: {with_cas}종, 유사명: {with_syn}종')
+
+    # 5. 샘플 출력
+    print('\n[샘플] 주요 항목:')
+    sample_keys = ['과산화수소', '나프탈렌', '벤젠', '톨루엔']
+    for k in sample_keys:
+        if k in results:
+            v = results[k]
+            print(f'  {k}: fp={v.get("flashPoint","")} nfpa={v.get("nfpa")} cas={v.get("casNumber","")}')
+
+
+if __name__ == '__main__':
+    main()

backend/scripts/hns-import/merge-data.ts

@@ -1,9 +1,11 @@
 /**
- * base.json + ocr.json → frontend/src/data/hnsSubstanceData.json
+ * base.json + pdf-data.json + ocr.json → frontend/src/data/hnsSubstanceData.json
  *
- * 매칭 키: 국문명(nameKr) 정규화 비교 (공백/특수문자 제거 후 소문자 비교)
+ * 우선순위: pdf-data (PDF 텍스트 추출, 최고 정확도) > base.json > ocr.json (이미지 OCR, 낮은 정확도)
- * 병합 규칙: Excel 기본 필드 유지, OCR 결과는 빈 필드만 채움 (OCR이 우선이지 않음)
+ * 매칭 키 순서:
- * 실제로 물성/위험도 필드는 base.json 에서 대부분 비어있으므로 OCR 값으로 채워짐.
+ *   1. CAS 번호 (가장 신뢰할 수 있는 식별자)
+ *   2. 국문명(nameKr) 정규화 비교
+ *   3. 동의어(synonymsKr) 정규화 비교
  */
 import { readFileSync, writeFileSync, existsSync } from 'node:fs';
 import { resolve, dirname } from 'node:path';
@@ -12,6 +14,7 @@ import { fileURLToPath } from 'node:url';
 const __dirname = dirname(fileURLToPath(import.meta.url));
 const OUT_DIR = resolve(__dirname, 'out');
 const BASE_PATH = resolve(OUT_DIR, 'base.json');
+const PDF_PATH = resolve(OUT_DIR, 'pdf-data.json');
 const OCR_PATH = resolve(OUT_DIR, 'ocr.json');
 const TARGET_PATH = resolve(__dirname, '../../../frontend/src/data/hnsSubstanceData.json');
 
@@ -19,10 +22,19 @@ function normalizeName(s: string | undefined): string {
   if (!s) return '';
   return s
     .replace(/\s+/g, '')
-    .replace(/[,.·/\-_()[\]]/g, '')
+    .replace(/[,.·/\-_()[\]（）]/g, '')
     .toLowerCase();
 }
 
+function normalizeCas(s: string | undefined): string {
+  if (!s) return '';
+  // 앞자리 0 제거 후 정규화
+  return s
+    .replace(/[^0-9\-]/g, '')
+    .replace(/^0+/, '')
+    .trim();
+}
+
 interface NfpaBlock {
   health: number;
   fire: number;
@@ -89,6 +101,14 @@ interface BaseRecord {
   portFrequency: Array<{ port: string; portCode: string; lastImport: string; frequency: string }>;
 }
 
+interface PdfResult {
+  [key: string]: unknown;
+  casNumber?: string;
+  nameKr?: string;
+  nfpa?: Partial<NfpaBlock>;
+  msds?: Partial<MsdsBlock>;
+}
+
 interface OcrResult {
   [key: string]: unknown;
 }
@@ -100,8 +120,8 @@ function firstString(...values: Array<unknown>): string {
   return '';
 }
 
-function pickNfpa(ocr: OcrResult): NfpaBlock | null {
+function pickNfpa(source: PdfResult | OcrResult): NfpaBlock | null {
-  const n = ocr.nfpa as Partial<NfpaBlock> | undefined;
+  const n = source.nfpa as Partial<NfpaBlock> | undefined;
   if (!n || typeof n !== 'object') return null;
   const h = Number(n.health);
   const f = Number(n.fire);
@@ -115,55 +135,70 @@ function pickNfpa(ocr: OcrResult): NfpaBlock | null {
   };
 }
 
-function pickMsds(ocr: OcrResult, base: MsdsBlock): MsdsBlock {
+function pickMsds(
-  const m = (ocr.msds ?? {}) as Partial<MsdsBlock>;
+  pdf: PdfResult | undefined,
+  ocr: OcrResult | undefined,
+  base: MsdsBlock,
+): MsdsBlock {
+  const p = (pdf?.msds ?? {}) as Partial<MsdsBlock>;
+  const o = (ocr?.msds ?? {}) as Partial<MsdsBlock>;
   return {
-    hazard: firstString(base.hazard, m.hazard),
+    hazard: firstString(base.hazard, p.hazard, o.hazard),
-    firstAid: firstString(base.firstAid, m.firstAid),
+    firstAid: firstString(base.firstAid, p.firstAid, o.firstAid),
-    fireFighting: firstString(base.fireFighting, m.fireFighting),
+    fireFighting: firstString(base.fireFighting, p.fireFighting, o.fireFighting),
-    spillResponse: firstString(base.spillResponse, m.spillResponse),
+    spillResponse: firstString(base.spillResponse, p.spillResponse, o.spillResponse),
-    exposure: firstString(base.exposure, m.exposure),
+    exposure: firstString(base.exposure, p.exposure, o.exposure),
-    regulation: firstString(base.regulation, m.regulation),
+    regulation: firstString(base.regulation, p.regulation, o.regulation),
   };
 }
 
-function merge(base: BaseRecord, ocr: OcrResult | undefined): BaseRecord {
+function merge(
-  if (!ocr) return base;
+  base: BaseRecord,
-
+  pdf: PdfResult | undefined,
-  const nfpaFromOcr = pickNfpa(ocr);
+  ocr: OcrResult | undefined,
+): BaseRecord {
+  const nfpaFromPdf = pdf ? pickNfpa(pdf) : null;
+  const nfpaFromOcr = ocr ? pickNfpa(ocr) : null;
+  // pdf NFPA 우선, 없으면 ocr, 없으면 base
+  const nfpa = nfpaFromPdf ?? nfpaFromOcr ?? base.nfpa;
 
   return {
     ...base,
-    transportMethod: firstString(base.transportMethod, ocr.transportMethod),
+    // pdf > base > ocr 우선순위
-    sebc: firstString(base.sebc, ocr.sebc),
+    unNumber: firstString(pdf?.unNumber, base.unNumber, ocr?.unNumber),
-    state: firstString(base.state, ocr.state),
+    casNumber: firstString(pdf?.casNumber, base.casNumber, ocr?.casNumber),
-    color: firstString(base.color, ocr.color),
+    synonymsKr: firstString(pdf?.synonymsKr, base.synonymsKr, ocr?.synonymsKr),
-    odor: firstString(base.odor, ocr.odor),
+    transportMethod: firstString(base.transportMethod, pdf?.transportMethod, ocr?.transportMethod),
-    flashPoint: firstString(base.flashPoint, ocr.flashPoint),
+    sebc: firstString(base.sebc, pdf?.sebc, ocr?.sebc),
-    autoIgnition: firstString(base.autoIgnition, ocr.autoIgnition),
+    usage: firstString(pdf?.usage, base.usage, ocr?.usage),
-    boilingPoint: firstString(base.boilingPoint, ocr.boilingPoint),
+    state: firstString(pdf?.state, base.state, ocr?.state),
-    density: firstString(base.density, ocr.density),
+    color: firstString(pdf?.color, base.color, ocr?.color),
-    solubility: firstString(base.solubility, ocr.solubility),
+    odor: firstString(pdf?.odor, base.odor, ocr?.odor),
-    vaporPressure: firstString(base.vaporPressure, ocr.vaporPressure),
+    flashPoint: firstString(pdf?.flashPoint, base.flashPoint, ocr?.flashPoint),
-    vaporDensity: firstString(base.vaporDensity, ocr.vaporDensity),
+    autoIgnition: firstString(pdf?.autoIgnition, base.autoIgnition, ocr?.autoIgnition),
-    explosionRange: firstString(base.explosionRange, ocr.explosionRange),
+    boilingPoint: firstString(pdf?.boilingPoint, base.boilingPoint, ocr?.boilingPoint),
-    nfpa: nfpaFromOcr ?? base.nfpa,
+    density: firstString(pdf?.density, base.density, ocr?.density),
-    hazardClass: firstString(base.hazardClass, ocr.hazardClass),
+    solubility: firstString(pdf?.solubility, base.solubility, ocr?.solubility),
-    ergNumber: firstString(base.ergNumber, ocr.ergNumber),
+    vaporPressure: firstString(pdf?.vaporPressure, base.vaporPressure, ocr?.vaporPressure),
-    idlh: firstString(base.idlh, ocr.idlh),
+    vaporDensity: firstString(pdf?.vaporDensity, base.vaporDensity, ocr?.vaporDensity),
-    aegl2: firstString(base.aegl2, ocr.aegl2),
+    explosionRange: firstString(pdf?.explosionRange, base.explosionRange, ocr?.explosionRange),
-    erpg2: firstString(base.erpg2, ocr.erpg2),
+    nfpa,
-    responseDistanceFire: firstString(base.responseDistanceFire, ocr.responseDistanceFire),
+    hazardClass: firstString(pdf?.hazardClass, base.hazardClass, ocr?.hazardClass),
-    responseDistanceSpillDay: firstString(base.responseDistanceSpillDay, ocr.responseDistanceSpillDay),
+    ergNumber: firstString(base.ergNumber, pdf?.ergNumber, ocr?.ergNumber),
-    responseDistanceSpillNight: firstString(base.responseDistanceSpillNight, ocr.responseDistanceSpillNight),
+    idlh: firstString(pdf?.idlh, base.idlh, ocr?.idlh),
-    marineResponse: firstString(base.marineResponse, ocr.marineResponse),
+    aegl2: firstString(base.aegl2, pdf?.aegl2, ocr?.aegl2),
-    ppeClose: firstString(base.ppeClose, ocr.ppeClose),
+    erpg2: firstString(base.erpg2, pdf?.erpg2, ocr?.erpg2),
-    ppeFar: firstString(base.ppeFar, ocr.ppeFar),
+    responseDistanceFire: firstString(pdf?.responseDistanceFire, base.responseDistanceFire, ocr?.responseDistanceFire),
-    msds: pickMsds(ocr, base.msds),
+    responseDistanceSpillDay: firstString(pdf?.responseDistanceSpillDay, base.responseDistanceSpillDay, ocr?.responseDistanceSpillDay),
-    emsCode: firstString(base.emsCode, ocr.emsCode),
+    responseDistanceSpillNight: firstString(pdf?.responseDistanceSpillNight, base.responseDistanceSpillNight, ocr?.responseDistanceSpillNight),
-    emsFire: firstString(base.emsFire, ocr.emsFire),
+    marineResponse: firstString(pdf?.marineResponse, base.marineResponse, ocr?.marineResponse),
-    emsSpill: firstString(base.emsSpill, ocr.emsSpill),
+    ppeClose: firstString(base.ppeClose, pdf?.ppeClose, ocr?.ppeClose),
-    emsFirstAid: firstString(base.emsFirstAid, ocr.emsFirstAid),
+    ppeFar: firstString(base.ppeFar, pdf?.ppeFar, ocr?.ppeFar),
+    msds: pickMsds(pdf, ocr, base.msds),
+    emsCode: firstString(base.emsCode, pdf?.emsCode, ocr?.emsCode),
+    emsFire: firstString(base.emsFire, pdf?.emsFire, ocr?.emsFire),
+    emsSpill: firstString(base.emsSpill, pdf?.emsSpill, ocr?.emsSpill),
+    emsFirstAid: firstString(base.emsFirstAid, pdf?.emsFirstAid, ocr?.emsFirstAid),
   };
 }
 
@@ -173,79 +208,155 @@ function main() {
     console.error('→ extract-excel.py 를 먼저 실행하세요.');
     process.exit(1);
   }
-  if (!existsSync(OCR_PATH)) {
-    console.warn(`ocr.json 없음: ${OCR_PATH} — 상세 데이터 없이 base 만 사용`);
-  }
 
   const base: BaseRecord[] = JSON.parse(readFileSync(BASE_PATH, 'utf-8'));
+
+  // PDF 데이터 로드
+  const pdfRaw: Record<string, PdfResult> = existsSync(PDF_PATH)
+    ? JSON.parse(readFileSync(PDF_PATH, 'utf-8'))
+    : {};
+
+  // OCR 데이터 로드
   const ocr: Record<string, OcrResult> = existsSync(OCR_PATH)
     ? JSON.parse(readFileSync(OCR_PATH, 'utf-8'))
     : {};
 
-  console.log(`[입력] base ${base.length}종, ocr ${Object.keys(ocr).length}종`);
+  console.log(
+    `[입력] base ${base.length}종, pdf ${Object.keys(pdfRaw).length}종, ocr ${Object.keys(ocr).length}종`,
+  );
 
-  // OCR 키를 정규화 인덱스로 변환 (정규화키 → OcrResult, 역매핑 normKey → 원본키)
+  // ── PDF 인덱스 구축 ─────────────────────────────────────────────────
-  const ocrIndex = new Map<string, OcrResult>();
+  // 1) nameKr 정규화 인덱스
-  const normToOrig = new Map<string, string>();
+  const pdfByName = new Map<string, PdfResult>();
-  for (const [key, value] of Object.entries(ocr)) {
+  // 2) CAS 번호 인덱스
+  const pdfByCas = new Map<string, PdfResult>();
+
+  for (const [key, value] of Object.entries(pdfRaw)) {
     const normKey = normalizeName(key);
-    if (normKey) {
+    if (normKey) pdfByName.set(normKey, value);
-      ocrIndex.set(normKey, value);
+
-      normToOrig.set(normKey, key);
+    const cas = normalizeCas(value.casNumber);
+    if (cas) {
+      if (!pdfByCas.has(cas)) pdfByCas.set(cas, value);
     }
   }
 
-  let matched = 0;
+  // ── OCR 인덱스 구축 ─────────────────────────────────────────────────
-  let matchedBySynonym = 0;
+  const ocrByName = new Map<string, OcrResult>();
-  const unmatched: string[] = [];
+  const ocrNormToOrig = new Map<string, string>();
+  for (const [key, value] of Object.entries(ocr)) {
+    const normKey = normalizeName(key);
+    if (normKey) {
+      ocrByName.set(normKey, value);
+      ocrNormToOrig.set(normKey, key);
+    }
+  }
+
+  // ── 병합 ──────────────────────────────────────────────────────────
+  let pdfMatchedByName = 0;
+  let pdfMatchedByCas = 0;
+  let pdfMatchedBySynonym = 0;
+  let ocrMatched = 0;
+  const pdfUnmatched = new Set(Object.keys(pdfRaw));
+  const ocrUnmatched = new Set(ocrByName.keys());
 
   const merged = base.map((record) => {
-    // 1단계: nameKr 정규화 매칭
+    let pdfResult: PdfResult | undefined;
-    const key = normalizeName(record.nameKr);
+    let ocrResult: OcrResult | undefined;
-    const ocrResult = ocrIndex.get(key);
+
-    if (ocrResult) {
+    // ── PDF 매칭 ────────────────────────────────────────────────────
-      matched++;
+    // 1. CAS 번호 매칭 (가장 정확)
-      ocrIndex.delete(key);
+    const baseCas = normalizeCas(record.casNumber);
-      return merge(record, ocrResult);
+    if (baseCas) {
+      pdfResult = pdfByCas.get(baseCas);
+      if (pdfResult) {
+        pdfMatchedByCas++;
+        const origKey = pdfResult.nameKr as string | undefined;
+        if (origKey) pdfUnmatched.delete(origKey);
+      }
     }
 
-    // 2단계: synonymsKr 동의어 매칭 (" / " 구분자)
+    // 2. nameKr 정규화 매칭
-    if (record.synonymsKr) {
+    if (!pdfResult) {
+      const normKr = normalizeName(record.nameKr);
+      pdfResult = pdfByName.get(normKr);
+      if (pdfResult) {
+        pdfMatchedByName++;
+        const origKey = pdfResult.nameKr as string | undefined;
+        if (origKey) pdfUnmatched.delete(origKey);
+      }
+    }
+
+    // 3. synonymsKr 동의어 매칭
+    if (!pdfResult && record.synonymsKr) {
       const synonyms = record.synonymsKr.split(' / ');
       for (const syn of synonyms) {
         const normSyn = normalizeName(syn);
         if (!normSyn) continue;
-        const synOcrResult = ocrIndex.get(normSyn);
+        pdfResult = pdfByName.get(normSyn);
-        if (synOcrResult) {
+        if (pdfResult) {
-          matched++;
+          pdfMatchedBySynonym++;
-          matchedBySynonym++;
+          const origKey = pdfResult.nameKr as string | undefined;
-          ocrIndex.delete(normSyn);
+          if (origKey) pdfUnmatched.delete(origKey);
-          return merge(record, synOcrResult);
+          break;
         }
       }
     }
 
-    return record;
+    // ── OCR 매칭 (PDF 없는 경우 보조) ────────────────────────────────
+    const normKr = normalizeName(record.nameKr);
+    const ocrByNameResult = ocrByName.get(normKr);
+    if (ocrByNameResult) {
+      ocrResult = ocrByNameResult;
+      ocrMatched++;
+      ocrUnmatched.delete(normKr);
+    }
+
+    if (!ocrResult && record.synonymsKr) {
+      const synonyms = record.synonymsKr.split(' / ');
+      for (const syn of synonyms) {
+        const normSyn = normalizeName(syn);
+        if (!normSyn) continue;
+        const synOcrResult = ocrByName.get(normSyn);
+        if (synOcrResult) {
+          ocrResult = synOcrResult;
+          ocrMatched++;
+          ocrUnmatched.delete(normSyn);
+          break;
+        }
+      }
+    }
+
+    return merge(record, pdfResult, ocrResult);
   });
 
-  // 남은 OCR 키는 base에 매칭 실패한 항목 (원본 키로 복원)
+  // ── 통계 출력 ──────────────────────────────────────────────────────
-  for (const normKey of ocrIndex.keys()) {
+  const pdfTotal = pdfMatchedByCas + pdfMatchedByName + pdfMatchedBySynonym;
-    unmatched.push(normToOrig.get(normKey) ?? normKey);
+  console.log(
-  }
+    `[PDF 매칭] 총 ${pdfTotal}종 (CAS: ${pdfMatchedByCas}, 국문명: ${pdfMatchedByName}, 동의어: ${pdfMatchedBySynonym})`,
+  );
+  console.log(`[OCR 매칭] ${ocrMatched}종`);
 
-  console.log(`[병합] base ↔ ocr 매칭 ${matched}종 (nameKr: ${matched - matchedBySynonym}, 동의어: ${matchedBySynonym})`);
+  if (pdfUnmatched.size > 0) {
-  if (unmatched.length > 0) {
+    const unmatchedList = Array.from(pdfUnmatched).sort();
-    const unmatchedPath = resolve(OUT_DIR, 'merge-unmatched.json');
+    const unmatchedPath = resolve(OUT_DIR, 'pdf-unmatched.json');
-    writeFileSync(unmatchedPath, JSON.stringify({ count: unmatched.length, keys: unmatched.sort() }, null, 2), 'utf-8');
+    writeFileSync(
-    console.warn(`[경고] OCR 매칭 실패 ${unmatched.length}개 → ${unmatchedPath}`);
+      unmatchedPath,
-    unmatched.slice(0, 20).forEach((k) => console.warn(`  - ${k}`));
+      JSON.stringify({ count: unmatchedList.length, keys: unmatchedList }, null, 2),
-    if (unmatched.length > 20) console.warn(`  ... +${unmatched.length - 20}`);
+      'utf-8',
+    );
+    console.warn(
+      `[경고] PDF 매칭 실패 ${unmatchedList.length}개 → ${unmatchedPath}`,
+    );
+    unmatchedList.slice(0, 10).forEach((k) => console.warn(`  - ${k}`));
+    if (unmatchedList.length > 10) console.warn(`  ... +${unmatchedList.length - 10}`);
   }
 
   writeFileSync(TARGET_PATH, JSON.stringify(merged, null, 2), 'utf-8');
   const sizeKb = (JSON.stringify(merged).length / 1024).toFixed(0);
   console.log(`[완료] ${TARGET_PATH} (${sizeKb} KB, ${merged.length}종)`);
   console.log(`       상세 정보 보유: ${merged.filter((r) => r.flashPoint).length}종`);
+  console.log(`       NFPA 있음:      ${merged.filter((r) => r.nfpa.health || r.nfpa.fire || r.nfpa.reactivity).length}종`);
 }
 
 main();

frontend/src/components/hns/components/contents/HmsDetailPanel.tsx

@@ -19,7 +19,9 @@ export function HmsDetailPanel({
   ];
   const nfpa = s.nfpa;
   // eslint-disable-next-line @typescript-eslint/no-unused-vars
-  const sebcColor = s.sebc.startsWith('G')
+  const sebcColor = !s.sebc
+    ? 'var(--fg-sub)'
+    : s.sebc.startsWith('G')
     ? 'var(--color-accent)'
     : s.sebc.startsWith('E')
       ? 'var(--color-accent)'