davide
eaca282f2f
step-3: add detect_structure.py (structure profile, no ML deps)
2026-04-13 10:16:45 +02:00
davide
5a4fdc27ec
step-2: add convert_pdf.py (pymupdf4llm, low-memory)
...
Converts PDFs in sources/ to Markdown using pymupdf4llm (pure C,
~30-50 MB RAM, no ML models). Output: step-2/<stem>/raw.md + clean.md.
2026-04-13 10:01:03 +02:00
davide
0768188c0a
step-1: add inspect_pdf.py
...
Analisi automatica pagina per pagina: score 0–100, sillabazioni,
layout a colonne, Unicode anomali, intestazioni/piè ripetitivi.
Report salvato in step-1/<stem>_step1_report.txt (escluso da git).
2026-04-13 08:51:08 +02:00
davide
6b17df8a3f
project setup: gitignore, CLAUDE.md, requirements
...
Aggiunge configurazione base del progetto:
- .gitignore: esclude venv, sources, processed, chroma_db e report generati
- CLAUDE.md: documenta l'uso obbligatorio del venv
- requirements.txt: dipendenze dirette (pdfplumber per step 0-1)
2026-04-13 08:02:54 +02:00
davide