feat: F3 — extracto de PDF en notificaciones y comando /pdf (pypdf, sin disco)

pdf_extractor.py

@@ -0,0 +1,43 @@
+"""
+pdf_extractor.py — Extracción de texto de PDFs judiciales.
+
+Sin LLM. Sin interpretación. Solo texto crudo.
+Los PDFs nunca se guardan en disco — se procesan en memoria.
+"""
+from __future__ import annotations
+
+import io
+import re
+
+from pypdf import PdfReader
+
+MAX_CHARS = 600
+
+
+def extraer_extracto(pdf_bytes: bytes) -> str | None:
+    """
+    Extrae las primeras líneas de texto de un PDF judicial.
+
+    Retorna el extracto como string, o None si el PDF no tiene texto
+    extraíble (PDF escaneado, imagen, error de parseo).
+    """
+    try:
+        reader = PdfReader(io.BytesIO(pdf_bytes))
+        texto = ""
+        for page in reader.pages:
+            texto += page.extract_text() or ""
+            if len(texto) >= MAX_CHARS:
+                break
+
+        texto = texto.strip()
+        if not texto:
+            return None
+
+        texto = re.sub(r"\n{3,}", "\n\n", texto)
+
+        if len(texto) > MAX_CHARS:
+            texto = texto[:MAX_CHARS] + "..."
+
+        return texto
+    except Exception:
+        return None