Convierte un PDF a un archivo Markdown (.md).

Extrae texto y estructura (headers, listas, tablas simples) pagina por pagina. Las imagenes/diagramas incrustados se guardan en una carpeta aparte y se referencian desde el .md. Las paginas sin texto seleccionable (escaneos) se procesan con OCR (Tesseract) como fallback automatico.

El .md generado arranca con un frontmatter YAML (title, author/ subject/keywords si el PDF los trae, pages, ocr_pages, converted_at) que resume de que trata el documento, y cada pagina queda delimitada por un comentario <!-- pdf-page: N --> (N 1-indexado) para poder ubicar cualquier seccion en su pagina de origen del PDF.

Args: pdf_path: Ruta al archivo .pdf a convertir output_dir: Carpeta donde escribir el .md y las imagenes (default: la misma carpeta del PDF de entrada) ocr_lang: Idioma(s) para Tesseract, formato ISO 639-2 separados por '+' (ej: "spa+eng"). Default: configurado en el server (PDF2MD_OCR_LANG, "spa+eng" si no esta seteado)

Returns: dict con markdown_path (ruta del .md generado), images_dir (carpeta de imagenes extraidas, o None si no hubo ninguna), page_count y ocr_pages (numeros de pagina, 1-indexados, que se procesaron con OCR por no tener texto extraible)

Convierte todos los PDF de una carpeta a archivos Markdown.

Aplica la misma logica que convert_pdf_to_markdown a cada PDF encontrado. Si un archivo puntual falla, se registra en errors y se sigue con el resto (no corta el lote entero).

Args: input_dir: Carpeta con los PDF a convertir output_dir: Carpeta base de salida (default: junto a cada PDF de origen). Si recursive=True, se replica la subcarpeta relativa de cada PDF dentro de output_dir recursive: Si busca PDFs en subcarpetas tambien (default: True) ocr_lang: Idioma(s) para Tesseract (ver convert_pdf_to_markdown)

Returns: dict con converted (lista de resultados por PDF, mismo shape que convert_pdf_to_markdown), errors (lista de {pdf, error}) y total_found (cantidad de PDFs encontrados)