feat: migre l'extraction de pdftotext (poppler) vers pdfplumber

Remplace l'appel externe `pdftotext -layout` (poppler-utils) par
pdfplumber, une bibliotheque Python pure : plus aucune dependance
systeme, ce qui permettra d'empaqueter l'application en executable
autonome.

- `read_pdf()` retourne un `PdfContent` (texte layout + mots de la
  premiere page avec coordonnees) ; `extract_text_from_pdf()` est
  conserve comme wrapper de compatibilite.
- Metadonnees : la reference est desormais extraite via les
  coordonnees geometriques des mots (fiable sur l'en-tete
  multi-colonnes), regex du destinataire durcie (forme pointee
  `S.C.I.`).
- Operations : reduction des espaces multiples dans les descriptions.
- Dockerfile : suppression de poppler-utils.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
This commit is contained in:
2026-07-19 17:14:31 +02:00
parent d42bfecab4
commit 7cebc0bb3d
9 changed files with 530 additions and 35 deletions

View File

@@ -1,9 +1,6 @@
FROM python:3.12-slim
RUN apt-get update && \
apt-get install -y --no-install-recommends poppler-utils && \
rm -rf /var/lib/apt/lists/*
# pdfplumber est en Python pur : aucune dépendance système (plus de poppler).
COPY --from=ghcr.io/astral-sh/uv:latest /uv /uvx /bin/
WORKDIR /app