rag-from-scratch/README.md

# PDF → Markdown

Converte PDF digitali in Markdown strutturato e pulito.

**Stack:** Python · opendataloader-pdf (XY-Cut++) · Java 11+  
**Compatibile con:** Linux · macOS · Windows (WSL2)

---

## Setup

```bash
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
```

**Java 11+** richiesto:

```bash
sudo apt install default-jdk   # Ubuntu/Debian/WSL
java -version
```

---

## Utilizzo

```bash
# Singolo PDF
python conversione/pipeline.py --stem <nome>

# Tutti i PDF in sources/
python conversione/pipeline.py

# Forza riesecuzione
python conversione/pipeline.py --stem <nome> --force
```

`--stem` = nome file PDF senza estensione.  
Esempio: `sources/analisi1.pdf` → `--stem analisi1`

---

## Output

Per ogni stem in `conversione/<stem>/`:

| File | Descrizione |
|------|-------------|
| `raw.md` | Markdown grezzo — **non modificare** |
| `clean.md` | Markdown pulito — copia di lavoro |
| `structure_profile.json` | Struttura rilevata e metriche |
| `report.json` | Statistiche complete della conversione |

---

## Validazione batch

```bash
python conversione/validate.py
```

Stampa una tabella di stato su tutti gli stem convertiti.

---

Vedi [`conversione/README.md`](conversione/README.md) per dettagli sulla pipeline e i tipi di documento supportati.