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

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

Java 11+ richiesto:

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

---

Utilizzo

# 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

python conversione/validate.py

Stampa una tabella di stato su tutti gli stem convertiti.

---

Vedi conversione/README.md per dettagli sulla pipeline e i tipi di documento supportati.