sb-internals-pdf-parse

name	sb-internals-pdf-parse
description	Internal: extrair texto de PDF local. Não invocar diretamente — usado por sb-ingest e sb-autoresearch (futuro).
contract	v1.0

sb-internals/pdf-parse

Wrapper sobre pdftotext (Poppler).

Interface

parse.sh <path.pdf>

• stdout: texto extraído (UTF-8).
• exit codes:
  • 0: success
  • 1: missing file ou path inválido
  • 2: parse failure (corrupted, encrypted, scanned sem OCR)

Comportamento

• Usa pdftotext se disponível.
• PDF scanned sem text layer: detecta texto vazio pós-extração → exit 2 com mensagem "no extractable text — OCR not implemented in M1.3" (DL-M3-K).
• PDF encrypted: detecta via pdftotext exit code → exit 2.

Dependências

• System: pdftotext (Poppler, Homebrew brew install poppler em macOS).
• Sem fallback automático em M1.3 — se ausente, exit 1 + mensagem clara.