VibeCoding / examples /hf-generated /pdf /requirement.md
dellweb3's picture
Deploy verified conversational workbench and isolated Java application previews
253a5d4 verified
|
Raw History Blame Contribute Delete
3.29 kB

DEMO-PDF-01:PDF文件读取与逐页文本解析

背景与用户

文档管理员需要确认PDF页数,逐页提取可复制的文本并导出,便于资料核对和后续索引。本地演示支持小型文字PDF;扫描件要明确说明没有可提取文字,不能冒充完成OCR。

页面与交互

标题“PDF文档解析”,左侧为上传区(选择PDF按钮、文件名/大小、128KiB上限、载入示例、开始解析),右侧为页数/文字数摘要和逐页结果。页签或上一页/下一页控件可切换,显示“第n页/共m页”。文本保留换行并可复制;提供TXT和JSON下载,文件名清晰。 支持拖入一个文件与移除当前文件;换文件或移除时立即清空旧页和旧导出状态。应用不显示原始接口返回、源码/测试摘要、沙箱启动步骤或代码下载。TXT/JSON导出仅包含用户解析的业务文本;代码、差异和运行证据在工作台查看,预览准备在平台内部完成。 选中文件后只显示元信息,点击开始解析才发送。解析时禁用重复提交,真实服务返回后展示结果。重新选文件清空旧成功状态,旧内容不得冒充新文件结果。文件缺失、非PDF、超限、加密、损坏及无文本分别显示可理解说明。示例按钮载入随制品交付的合法两页PDF,用户无自备文件也能完整运行。键盘可操作,窄屏上下排列。

编程需求与验收

  • PDF-01:Java17 HttpServer;使用固定Apache PDFBox 3.0.8单一依赖,版本、来源、许可证、SHA256随制品记录。依赖提前校验进入无网沙箱,运行时不下载,不读取宿主文件。
  • PDF-02:POST /api/pdf/analyze,JSON仅base64字符串,公开演示凭据demo-pdf。原始PDF最大131072字节,最多20页,提取文本UTF-8最大24000字节;JSON边界180000字节。只接受真实文件内容,不接受服务端路径或URL。
  • PDF-03:200返回pageCount、pages[{page,text}]、totalCharacters、status。页号从1连续,按页读取文本,去除提取器末尾多余换行;成功文本状态TEXT_EXTRACTED,无文本为NO_TEXT。两页示例输出应与固定期望文本一致。
  • PDF-04:非法JSON/base64为400 INVALID_INPUT;损坏或非PDF为400 INVALID_PDF;加密PDF为422 ENCRYPTED_PDF;超过20页为422 PAGE_LIMIT;文件或文本超限分别413 PDF_TOO_LARGE/TEXT_LIMIT。无身份401、错误method405、未知路径404。解析失败不保留上传文件。
  • PDF-05:独立系统测试覆盖正常多页、无文本、错误内容、加密、页数及大小边界;浏览器测试覆盖选择示例→解析→切页→复制/下载、错误文件、重复点击和窄屏。

交付与完成条件

交付Java解析源码、HTML/CSS/JS网站、两页测试PDF、固定依赖清单、需求原文、设计、修改差异、逐条验收映射和真实编译/测试报告。生成源码只允许批准路径,不能修改独立测试。以模型或经记录的接管修复迭代到测试通过,给本地网站和源码制品下载;OCR、超限大型文档和生产部署不在本次验收范围。

HF验收批次 20261024T044442Z pdf。完整实现上述需求;模型、框架和权限仍由服务端冻结契约决定。