feat: initial release — pdf-toolkit v1.0.0

Core operations:
- Compress PDF (3 presets: screen, ebook, printer, prepress)
- PDF/A detection and conversion to regular PDF
- Compress while preserving PDF/A structure
- Merge multiple PDFs
- Split/extract pages by range
- Rotate pages
- Extract text and images

Interface:
- Streamlit web GUI (app.py)
- FastAPI REST API with auto OpenAPI docs (api.py)

Docs:
- README.md, ARCHITECTURE.md, API.md
- Unit tests (15/15 passing)
This commit is contained in:
CM Consultor
2026-08-09 02:15:22 +00:00
commit 84d4a1eab5
17 changed files with 1998 additions and 0 deletions

122
README.md Normal file
View File

@@ -0,0 +1,122 @@
# pdf-toolkit
Transforme, otimize e gerencie arquivos PDF com facilidade.
- **Interface Web**: Streamlit com upload drag-and-drop e configuração visual
- **API REST**: FastAPI com documentação OpenAPI automática em `/docs`
- **Operações**: compressão, PDF/A ↔ PDF comum, merge, split, rotação, extração de texto e imagens
---
## 🚀 Começando
### Pré-requisitos
- Python 3.12+
- pip
### Instalação
```bash
git clone <url-do-repositorio> pdf-toolkit
cd pdf-toolkit
pip install -r requirements.txt
```
### Execução
**Streamlit (interface web):**
```bash
streamlit run app.py --server.port 8550
```
**API REST:**
```bash
uvicorn api:app --host 0.0.0.0 --port 8555 --reload
```
Acesse:
- Streamlit → http://localhost:8550
- API docs → http://localhost:8555/docs (Swagger)
- API docs → http://localhost:8555/redoc (Redoc)
---
## 📋 Operações disponíveis
| Operação | CLI | API | Streamlit |
|---|---|---|---|
| Comprimir PDF | ✅ | POST `/compress` | ✅ |
| PDF/A → PDF comum | ✅ | POST `/pdfa-to-regular` | ✅ |
| Comprimir mantendo PDF/A | ✅ | POST `/compress-pdfa` | ✅ |
| Merge (juntar PDFs) | ✅ | POST `/merge` | ✅ |
| Split (extrair páginas) | ✅ | POST `/split` | ✅ |
| Extrair páginas específicas | ✅ | POST `/extract-pages` | ✅ |
| Rotacionar páginas | ✅ | POST `/rotate` | ✅ |
| Extrair texto | ✅ | POST `/extract-text` | ✅ |
| Extrair imagens | ✅ | POST `/extract-images` | ✅ |
| Inspecionar metadados | ✅ | POST `/inspect` | ✅ |
### Níveis de compressão
| Preset | Qualidade | Dimensão máx | Descrição |
|---|---|---|---|
| `screen` | 30 | 1200px | Agressivo — mínimo tamanho |
| `ebook` | 60 | 2000px | Equilibrado — padrão |
| `printer` | 85 | 3500px | Leve — alta qualidade |
| `prepress` | 95 | 5000px | Mínima perda |
---
## 🧠 Arquitetura
```
pdf-toolkit/
├── app.py # Interface Streamlit (GUI)
├── api.py # API REST (FastAPI)
├── config.py # Constantes e limites
├── requirements.txt # Dependências
├── core/
│ ├── engine.py # Orquestrador central
│ ├── compress.py # Compressão e re-amostragem
│ ├── operations.py # Merge, split, rotate, extract
│ ├── validators.py # Validação de PDFs
│ └── pdfa.py # Detecção e conversão PDF/A
├── scripts/
│ ├── run-web.sh # Inicia Streamlit
│ └── run-api.sh # Inicia API
├── tests/ # Testes unitários
├── docs/
│ ├── ARCHITECTURE.md # Detalhamento técnico
│ └── API.md # Documentação da API
└── tmp/ # Arquivos temporários (gitignored)
```
### Decisões técnicas
- **pypdf**: manipulação PDF 100% Python, sem dependências binárias
- **Pillow**: re-amostragem de imagens com redimensionamento proporcional
- **FastAPI**: tipagem automática, validação de entrada, OpenAPI nativo
- **Streamlit**: prototipação rápida de GUI sem HTML/JS
- **Sem Ghostscript**: mantido leve — pypdf + Pillow cobre ~90% dos casos
### Limitações conhecidas
- A compressão re-amostra imagens embutidas; PDFs sem imagens reduzem pouco
- A detecção de PDF/A é heurística (via metadados XMP + OutputIntents)
- Preview visual de páginas requer `poppler-utils` + `pdf2image` (não incluso)
- PDFs criptografados com senha não são suportados
---
## 🧪 Testes
```bash
python -m pytest tests/ -v
```
---
## 📦 Licença
MIT