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)

core/pdfa.py

@@ -0,0 +1,168 @@
+"""
+Detecção e manipulação de PDF/A.
+
+PDF/A é uma versão padronizada do PDF para arquivamento de longo prazo.
+Ele restringe certos recursos (JavaScript, fontes não-embutidas, etc.)
+e adiciona metadados XMP específicos.
+
+Este módulo permite:
+  1. Detectar se um PDF é PDF/A (e qual parte/versão).
+  2. Converter PDF/A → PDF comum (remove restrições).
+  3. Otimizar mantendo PDF/A (comprime imagens, limpa objetos).
+"""
+
+import io
+import re
+from typing import Optional
+
+from pypdf import PdfReader, PdfWriter
+
+
+# ── Detecção ────────────────────────────────────────────────────────
+
+def _check_xmp_pdfa(xml_data: str) -> Optional[str]:
+    """Retorna string tipo 'PDF/A-1b' se metadados XMP indicarem PDF/A."""
+    match = re.search(
+        r'(pdfaid:part[\'\"]?\s*[:=]\s*[\'\"]?(\d+)[\'\"]?.*?'
+        r'pdfaid:conformance[\'\"]?\s*[:=]\s*[\'\"]?([A-Za-z])[\'\"]?)',
+        xml_data,
+        re.DOTALL | re.IGNORECASE,
+    )
+    if match:
+        part = match.group(2)
+        conf = match.group(3).upper()
+        return f"PDF/A-{part}{conf}"
+    # Fallback mais simples
+    if "pdfa" in xml_data.lower():
+        return "PDF/A (indeterminado)"
+    return None
+
+
+def _check_xref_pdfa(reader: PdfReader) -> bool:
+    """
+    Verifica presença do dicionário /OutputIntents que é obrigatório
+    em PDF/A e raro em PDF comum.
+    """
+    try:
+        catalog = reader.trailer.get("/Root", {})
+        if not catalog:
+            return False
+        output_intents = catalog.get("/OutputIntents", None)
+        return output_intents is not None and len(output_intents) > 0
+    except Exception:
+        return False
+
+
+def detect_pdfa(data: bytes) -> dict:
+    """
+    Detecta se o PDF é PDF/A e retorna detalhes.
+
+    Retorna:
+      - is_pdfa: bool
+      - level: str ou None (ex: "PDF/A-2b")
+      - method: str ("metadata", "output_intent" ou "none")
+      - confidence: float (0-1)
+    """
+    result = {
+        "is_pdfa": False,
+        "level": None,
+        "method": "none",
+        "confidence": 0.0,
+    }
+
+    try:
+        reader = PdfReader(io.BytesIO(data))
+
+        # 1. Verifica metadados XMP
+        if reader.metadata and reader.metadata.raw_data:
+            raw = str(reader.metadata.raw_data)
+            level = _check_xmp_pdfa(raw)
+            if level:
+                result["is_pdfa"] = True
+                result["level"] = level
+                result["method"] = "metadata"
+                result["confidence"] = 0.9
+                return result
+
+        # 2. Verifica OutputIntents
+        if _check_xref_pdfa(reader):
+            result["is_pdfa"] = True
+            result["level"] = "PDF/A (OutputIntent)"
+            result["method"] = "output_intent"
+            result["confidence"] = 0.7
+
+    except Exception:
+        pass
+
+    return result
+
+
+# ── Conversão PDF/A → PDF comum ─────────────────────────────────────
+
+def strip_pdfa(data: bytes) -> bytes:
+    """
+    Remove metadados PDF/A e restrições de arquivamento,
+    gerando um PDF comum padrão.
+
+    O que é removido:
+      - Metadados XMP com declaração PDF/A
+      - Dicionário /OutputIntents
+      - /PieceInfo (se presente)
+      - Restrições de /Legal e /Copyright
+
+    O conteúdo visual é preservado integralmente.
+    """
+    reader = PdfReader(io.BytesIO(data))
+    writer = PdfWriter()
+    writer.metadata = reader.metadata
+
+    # Copia todas as páginas
+    for page in reader.pages:
+        writer.add_page(page)
+
+    # Remove XMP metadata que declara PDF/A
+    if writer.metadata:
+        # Substitui por metadados limpos (sem PDF/A)
+        clean_meta = {}
+        for k, v in reader.metadata.raw_items():
+            if not any(x in str(k).lower() for x in ["pdfaid", "xmp", "adobe:nsmeta"]):
+                clean_meta[k] = v
+        writer.metadata = type(reader.metadata)(clean_meta)
+
+    out_buf = io.BytesIO()
+    writer.write_stream(out_buf)
+    return out_buf.getvalue()
+
+
+# ── Otimização mantendo PDF/A ───────────────────────────────────────
+
+def compress_pdfa(data: bytes, quality: int = 60, max_dim: int = 2000) -> bytes:
+    """
+    Comprime imagens internas mantendo a estrutura PDF/A.
+    Usa a mesma lógica de compress.compress_pdf mas preserva
+    metadados XMP e OutputIntents.
+    """
+    from .compress import _downsample_image
+
+    reader = PdfReader(io.BytesIO(data))
+    writer = PdfWriter()
+    writer.metadata = reader.metadata
+
+    for page in reader.pages:
+        if "/XObject" in page.get("/Resources", {}):
+            xobjects = page["/Resources"]["/XObject"]
+            for obj_name in list(xobjects.keys()):
+                xobj = xobjects[obj_name]
+                if xobj.get("/Subtype") == "/Image":
+                    try:
+                        raw = xobj.get_data()
+                        if raw:
+                            compressed = _downsample_image(raw, quality, max_dim)
+                            xobj._data = compressed
+                    except Exception:
+                        pass
+        writer.add_page(page)
+
+    out_buf = io.BytesIO()
+    writer.write_stream(out_buf)
+    return out_buf.getvalue()