feat(pdf-to-md): sostituisci report.md con report.json + validate.py

pipeline.py produce conversione/<stem>/report.json invece di
structure_profile.json + report.md. Il JSON contiene tutto:
trasformazioni, struttura, distribuzione lunghezze sezioni,
anomalie (bare_headers, short/long sections) e residui con esempi.

Fix: bare_headers flagga solo header senza corpo < 30 chars;
header numerati con corpo lungo (aforismi) non sono anomalie.

Nuovo validate.py legge tutti i report.json e stampa tabella
di stato per ogni stem (✅ / ⚠️ / ❌) con soglie configurabili.

README aggiornato con sezione validazione batch e struttura report.json.

conversione/validate.py

@@ -0,0 +1,136 @@
+#!/usr/bin/env python3
+"""
+conversione/validate.py — Validazione batch di tutti gli stem convertiti
+
+Legge i report.json prodotti da pipeline.py e stampa una tabella di stato
+per ogni documento, evidenziando anomalie e problemi residui.
+
+Stato per stem:
+  ✅  nessuna anomalia critica
+  ⚠️  anomalie presenti ma documento processabile
+  ❌  struttura non rilevata o problemi gravi
+
+Uso:
+    python conversione/validate.py              # tutti gli stem
+    python conversione/validate.py analisi1     # stem specifico
+"""
+
+import json
+import sys
+from pathlib import Path
+
+
+# ─── Soglie ──────────────────────────────────────────────────────────────────
+
+_CRITICO_STRUTTURA   = 0    # livello_struttura == 0 → testo piatto, nessun header
+_CRITICO_BACKTICK    = 50   # molti accenti non corretti → testo illeggibile
+_WARNING_BARE        = 1    # anche un solo header senza titolo è sospetto
+_WARNING_BACKTICK    = 1    # qualsiasi backtick residuo va verificato
+_WARNING_LONG_SECS   = 80   # troppe sezioni lunghe indica struttura insufficiente
+
+
+def _status(r: dict) -> str:
+    structure = r.get("structure", {})
+    anomalie  = r.get("anomalie", {})
+    residui   = r.get("residui", {})
+
+    livello  = structure.get("livello_struttura", -1)
+    backtick = residui.get("backtick", 0)
+
+    if livello <= _CRITICO_STRUTTURA or backtick >= _CRITICO_BACKTICK:
+        return "❌"
+    if (
+        anomalie.get("bare_headers", 0) >= _WARNING_BARE
+        or backtick >= _WARNING_BACKTICK
+        or anomalie.get("long_sections", 0) >= _WARNING_LONG_SECS
+    ):
+        return "⚠️ "
+    return "✅"
+
+
+def _fmt(value, width: int) -> str:
+    return str(value).ljust(width)
+
+
+def validate(stems: list[str], project_root: Path) -> None:
+    conv_dir = project_root / "conversione"
+
+    if stems:
+        paths = [conv_dir / s / "report.json" for s in stems]
+    else:
+        paths = sorted(conv_dir.glob("*/report.json"))
+
+    if not paths:
+        print("Nessun report.json trovato in conversione/*/")
+        sys.exit(0)
+
+    rows = []
+    for path in paths:
+        if not path.exists():
+            rows.append({"stem": path.parent.name, "_missing": True})
+            continue
+        r = json.loads(path.read_text(encoding="utf-8"))
+        rows.append(r)
+
+    # ── Intestazione ─────────────────────────────────────────────────────
+    col_stem    = max(len(r.get("stem", "stem")) for r in rows) + 2
+    header = (
+        f"{'stem':<{col_stem}}"
+        f"{'h2':>4}{'h3':>5}  "
+        f"{'strategia':<20}"
+        f"{'bare':>5}{'corte':>6}{'lunghe':>7}"
+        f"{'backtick':>9}{'dotlead':>8}{'url':>4}"
+        f"  {'status'}"
+    )
+    sep = "─" * len(header)
+    print()
+    print(header)
+    print(sep)
+
+    # ── Righe ─────────────────────────────────────────────────────────────
+    for r in rows:
+        if r.get("_missing"):
+            print(f"{r['stem']:<{col_stem}}  (report.json non trovato)")
+            continue
+
+        stem      = r.get("stem", "?")
+        structure = r.get("structure", {})
+        anomalie  = r.get("anomalie", {})
+        residui   = r.get("residui", {})
+
+        h2       = structure.get("n_h2", 0)
+        h3       = structure.get("n_h3", 0)
+        strat    = structure.get("strategia_chunking", "?")
+        bare     = anomalie.get("bare_headers", 0)
+        corte    = anomalie.get("short_sections", 0)
+        lunghe   = anomalie.get("long_sections", 0)
+        backtick = residui.get("backtick", 0)
+        dotlead  = residui.get("dotleader", 0)
+        url      = residui.get("url", 0)
+        status   = _status(r)
+
+        print(
+            f"{stem:<{col_stem}}"
+            f"{h2:>4}{h3:>5}  "
+            f"{strat:<20}"
+            f"{bare:>5}{corte:>6}{lunghe:>7}"
+            f"{backtick:>9}{dotlead:>8}{url:>4}"
+            f"  {status}"
+        )
+
+    print(sep)
+    totali = len(rows)
+    ok  = sum(1 for r in rows if not r.get("_missing") and _status(r) == "✅")
+    warn = sum(1 for r in rows if not r.get("_missing") and _status(r).startswith("⚠"))
+    err = sum(1 for r in rows if not r.get("_missing") and _status(r) == "❌")
+    print(f"Totale: {totali}  ✅ {ok}  ⚠️  {warn}  ❌ {err}")
+    print()
+    print("Legenda colonne: bare=header senza titolo  corte=sezioni<150ch  "
+          "lunghe=sezioni>1500ch  backtick=accenti residui")
+    print()
+
+
+if __name__ == "__main__":
+    project_root = Path(__file__).parent.parent
+    stems = sys.argv[1:]
+    validate(stems, project_root)