Extract text and page-local ruled tables from authorized digital PDFs without personal data. Optional page-cited chunks. No OCR or cross-page table merging.
Límite de páginas por documento reducido de 500 a 200 (por defecto 150) en el código, el esquema,
la ejecución local y el README. Reduce la exposición a procesamiento sin ingreso; no garantiza
terminar en 60 s. No se ha medido si 500 páginas exceden el plazo en Apify.
Añadido ejemplos/sintetico_200_paginas.pdf y un paso en PILOTO.md para medir ese caso en la nube.
Revisión posterior: 25 pruebas aprobadas con SDK real; cobertura del máximo 200 y rechazo de 201.
El PDF de 200 páginas terminó en 23.732 s en este entorno con el límite de memoria activo.
Se mantienen las 10 URL, 240 s por lote y la exclusión de datos personales durante el piloto.
No se modificó la lógica de producción aparte de los límites ya descritos; se precisó su comentario.
v0.2 — 21 de octubre de 2026
Dependencias fijadas y verificadas en un entorno limpio.
Un solo evento de cobro con unidades por documento y página; comprobación de la
tarifa completa y validación de recibos. No repetición de trabajo/cobro tras resurrección.
Tablas conservadas por página, sin uniones por coincidencia de columnas.
Segmentos estructurados y fragmentos con procedencia de página.
Filas vacías y caracteres escapados conservados.
Descargas HTTP(S) directas con IP pública validada y fijada por salto; esquemas
locales, credenciales, destinos internos y degradación de HTTPS rechazados.
Proceso separado con límite real de tiempo, memoria Linux y tamaño de salida.
Consentimiento explícito del alcance sin datos personales; retirada de ejemplos
de facturas/extractos y de promesas de eliminación inmediata.
Evaluación estricta uno a uno, dimensiones, celdas y tokens completos.
25 regresiones locales; SDK real en modo local; corpus sintético de 48 documentos.
Guía de publicación y prueba privada en nube con gasto limitado.
No se publicaron actores, no se usaron credenciales de usuario y no se midió costo
real en Apify. La construcción Docker y la prueba en nube quedan para un entorno
con esos servicios disponibles.
