src/PdfEncoder.Application/Abstractions/IPdfClassifier.cs - master - afanasevn/PdfEncoder

src/PdfEncoder.Application/Abstractions/IPdfClassifier.cs
70 строк2 KB
IBS\NAfanasev
Hybrid file processing
06 июл 2026, 18:43
06 июл 2026, 18:4377054a0
using PdfEncoder.Domain.Enums;

namespace PdfEncoder.Application.Abstractions;

/// <summary>
/// Классификация технического типа PDF без ИИ.
/// </summary>
public interface IPdfClassifier
{
    /// <summary>
    /// Определяет <see cref="PdfDocumentKind"/> по эвристикам PdfPig.
    /// </summary>
    /// <param name="content">Содержимое PDF.</param>
    /// <param name="ct">Токен отмены.</param>
    Task<PdfClassificationResult> ClassifyAsync(
        ReadOnlyMemory<byte> content,
        CancellationToken ct);
}

/// <summary>
/// Результат классификации PDF.
/// </summary>
public sealed record PdfClassificationResult
{
    /// <summary>
    /// Определённый технический тип документа.
    /// </summary>
    public PdfDocumentKind Kind { get; init; }

    /// <summary>
    /// Постраничная классификация для mixed routing и OCR.
    /// </summary>
    public IReadOnlyList<PageClassification> Pages { get; init; } = [];

    /// <summary>
    /// Признак наличия AcroForm fields в документе.
    /// </summary>
    public bool HasAcroForm { get; init; }
}

/// <summary>
/// Классификация одной страницы.
/// </summary>
public sealed record PageClassification
{
    /// <summary>
    /// Номер страницы (1-based).
    /// </summary>
    public int PageNumber { get; init; }

    /// <summary>
    /// Есть ли на странице достаточный text layer для извлечения без OCR.
    /// </summary>
    public bool HasTextLayer { get; init; }

    /// <summary>
    /// Число буквенных символов на странице (эвристика PdfPig words).
    /// </summary>
    public int LetterCount { get; init; }

    /// <summary>
    /// На странице есть embedded images (PdfPig <c>GetImages()</c>).
    /// </summary>
    public bool HasEmbeddedImages { get; init; }

    /// <summary>
    /// Доля площади MediaBox, занятая embedded images (0..1).
    /// </summary>
    public double ImageCoverageRatio { get; init; }
}