rasgapdf 0.1.0

Blazing-fast spatial 2D PDF parser in pure Rust with multi-language bindings (Python, Node.js, Go, C#)
Documentation 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134

# 📐 RasgaPDF Spatial Schema Specification

RasgaPDF provides **two distinct parsing modes**:
1. **Modo 1: Raw Spatial X/Y Coordinates (`RawSpatialDocument`)** — Flat, zero-overhead physical coordinates list `[page, x0, y0, x1, y1, text]` for maximum speed (~3-8 ms).
2. **Modo 2: Structured Hierarchy (`SpatialDocument`)** — Geometric tree containing visual blocks, lines, spans, and automatic table matrix detection.

---

## Modo 1: Coordenadas Brutas (`RawSpatialDocument`)

Retorna a lista plana de cada elemento físico desenhado na página, sem criar hierarquias de parágrafos ou tabelas. Ideal para indexação vetorial, spatial visualizers, OCR alignment e pipelines de parsing customizados.

```json
{
  "file_name": "document.pdf",
  "total_pages": 1,
  "total_spans": 20,
  "parse_time_ms": 7.78,
  "spans": [
    {
      "page": 1,
      "x0": 50.0,
      "y0": 67.0,
      "x1": 244.0,
      "y1": 83.0,
      "font_size": 12.0,
      "font_name": "Helvetica",
      "text": "A Revolução da Inteligência Artificial"
    }
  ]
}
```

### Campos do `RawCoordSpan`:
| Campo | Tipo | Descrição |
| :--- | :--- | :--- |
| `page` | `integer` | Número da página (iniciando em 1) |
| `x0` | `float` | Posição horizontal esquerda (pontos tipográficos) |
| `y0` | `float` | Posição vertical superior (pontos tipográficos) |
| `x1` | `float` | Posição horizontal direita |
| `y1` | `float` | Posição vertical inferior |
| `font_size` | `float` | Tamanho da fonte em pontos |
| `font_name` | `string` | Nome da fonte utilizada no PDF |
| `text` | `string` | Texto bruto extraído |

---

## Modo 2: Estruturado Hierárquico (`SpatialDocument`)

```json
{
  "file_name": "sample_document.pdf",
  "total_pages": 3,
  "parse_time_ms": 12.45,
  "pages": [ ... ]
}
```

| Campo | Tipo | Descrição |
| :--- | :--- | :--- |
| `file_name` | `string` | Nome base do arquivo PDF |
| `total_pages` | `integer` | Total de páginas processadas |
| `parse_time_ms` | `float` | Tempo nativo de execução em milissegundos |
| `pages` | `array<SpatialPage>` | Lista de páginas do documento |

---

### Nível de Página: `SpatialPage`

```json
{
  "page_number": 1,
  "width": 595.0,
  "height": 842.0,
  "rotation": 0,
  "text_blocks": [ ... ],
  "tables": [ ... ],
  "raw_span_count": 142
}
```

---

### Nível de Bloco e Linha: `SpatialBlock` & `SpatialLine`

```json
{
  "block_id": 1,
  "block_type": "text",
  "bbox": { "x0": 50.0, "y0": 67.0, "x1": 244.0, "y1": 83.0, "width": 194.0, "height": 16.0 },
  "lines": [
    {
      "text": "Invoice #450091",
      "bbox": { "x0": 50.0, "y0": 67.0, "x1": 244.0, "y1": 83.0, "width": 194.0, "height": 16.0 },
      "spans": [
        {
          "text": "Invoice #450091",
          "bbox": { "x0": 50.0, "y0": 67.0, "x1": 244.0, "y1": 83.0, "width": 194.0, "height": 16.0 },
          "font_name": "Helvetica-Bold",
          "font_size": 16.0,
          "char_count": 15
        }
      ]
    }
  ]
}
```

---

### Nível de Tabela: `SpatialTable` & `SpatialCell`

```json
{
  "table_id": 1,
  "bbox": { "x0": 45.0, "y0": 200.0, "x1": 550.0, "y1": 380.0, "width": 505.0, "height": 180.0 },
  "col_count": 4,
  "row_count": 5,
  "headers": ["Item", "Quantity", "Unit Price", "Total"],
  "rows": [
    ["Item", "Quantity", "Unit Price", "Total"],
    ["Coffee Beans 1kg", "10", "$15.00", "$150.00"],
    ["Filter Paper", "5", "$4.00", "$20.00"]
  ],
  "cells": [
    {
      "row": 0,
      "col": 0,
      "text": "Item",
      "bbox": { "x0": 45.0, "y0": 200.0, "x1": 180.0, "y1": 220.0, "width": 135.0, "height": 20.0 }
    }
  ]
}
```