@shuji-bonji/pdf-reader-mcp 0.4.0 → 0.6.0

package/CHANGELOG.md

@@ -5,6 +5,42 @@ All notable changes to this project will be documented in this file.
 The format is based on [Keep a Changelog](https://keepachangelog.com/en/1.1.0/),
 and this project adheres to [Semantic Versioning](https://semver.org/spec/v2.0.0.html).
 
+## [0.6.0] - 2026-05-07
+
+### Added
+
+- **houki-hub family-compatible 構造化エラー応答** (Issue #9): すべての tool がエラー時に `LawServiceError` を JSON 文字列化したものを `content[0].text` に入れ、`isError: true` を立てて返すように変更しました。`code` 文字列は houki-hub family (houki-egov-mcp / houki-nta-mcp) と語彙を共有するため、LLM や Skill 層が一貫した解釈ロジックでエラーを処理できます。
+  - 新規 `src/errors.ts`: `LawErrorCode` / `LawServiceError` / `makeError` / `isLawServiceError` / `NEXT_ACTIONS` を定義 (houki-egov-mcp の `src/errors.ts` をリファレンスとし、`houki-abbreviations` 等への依存はなし)。
+  - 新規 `handleStructuredError(error)`: `unknown` を `LawServiceError` に正規化。`PdfReaderError` の legacy `code` を family 語彙にマッピング、汎用 `Error` のメッセージから `DOC_NOT_FOUND` / `INVALID_PDF` / `ENCRYPTED_PDF` / `FILE_TOO_LARGE` / `SOURCE_*` を推定。
+  - 採用 `code` 一覧: `INVALID_ARGUMENT` / `DOC_NOT_FOUND` / `INVALID_PDF` / `ENCRYPTED_PDF` / `UNSUPPORTED_PDF_FEATURE` / `FILE_TOO_LARGE` / `SOURCE_API_ERROR` / `SOURCE_TIMEOUT` / `SOURCE_UNAVAILABLE` / `INTERNAL_ERROR`。
+  - `PdfReaderError` を拡張: 直接 `familyCode` / `nextActions` / `retryable` / `detail` を渡せる第 4〜7 引数を追加 (既存呼び出しは変更なし、後方互換)。
+- **`tests/tier1/errors.test.ts`**: makeError / isLawServiceError / NEXT_ACTIONS / handleStructuredError の単体テストを追加 (28 ケース)。
+
+### Changed
+
+- **全 16 tool のエラーパス**: tier1 (7) / tier2 (6) / tier3 (3) すべてが `handleStructuredError(error)` を呼び、JSON 文字列 + `isError: true` を返す形に統一。`content[0].text` は人間可読文字列ではなく **JSON** になります。
+- **README.md / README.ja.md** の Error Contract セクション: 「方針」記述を「v0.6.0 で実装済み」に更新し、`code` 一覧テーブル / 移行ノート (v0.5.x → v0.6.0) を追記。
+- **`handleError(error)` (deprecated)**: 後方互換のため引き続き人間可読な文字列を返しますが、内部実装は `formatStructuredErrorForHumans(handleStructuredError(error))` に置き換わりました。新規 tool では `handleStructuredError()` を直接利用してください。
+
+### Migration
+
+LLM クライアントや Skill 層で `content[0].text` を文字列として解釈していた場合、v0.6.0 以降は `JSON.parse(content[0].text)` で `LawServiceError` として解釈してください。`isError: true` フラグで構造化エラーかどうかを判定できます。詳細は README の「Error Contract (houki-hub family)」セクションを参照。
+
+## [0.5.0] - 2026-05-07
+
+### Added
+
+- **`compact_whitespace` parameter on `read_text` and `read_url`** (Issue #4): opt-in whitespace normalization that collapses runs of `\s` plus U+3000 (fullwidth space) to a single ASCII space, and trims every line. Designed for Japanese form-style PDFs (帳票・様式) where U+3000 is used as visual indentation, inflating token consumption without adding information.
+  - Default `false` keeps the existing extraction byte-for-byte (regression-tested).
+  - Combines orthogonally with `split_columns`: inter-column `\n\n` separators survive the compaction.
+  - Per-cell CJK kerning ("消 費 税" → "消費税") is intentionally NOT touched here — that requires CJK-aware logic and remains the responsibility of `extract_tables`'s `compactCellText`.
+  - Empirically reduces character count by ~40% on 国税庁 form PDFs (e.g. `jimu-unei/hojin/090401-2/pdf/01.pdf`) while preserving all content.
+- **E2E tests** in `tests/e2e/02-tier1-text.test.ts`: 3 new cases (RT-CW-1..3) covering the regression guard, the line-trim + run-collapse invariants, and orthogonal combination with `split_columns`.
+
+### Changed
+
+- **`read_text` / `read_url` tool descriptions**: documented the new `compact_whitespace` parameter and added "Japanese form template" usage example.
+
 ## [0.4.0] - 2026-05-07
 
 ### Added
@@ -105,6 +141,7 @@ and this project adheres to [Semantic Versioning](https://semver.org/spec/v2.0.0
 - Y-coordinate-based text extraction preserving natural reading order
 - Unit tests for core utilities and pdfjs-service
 
+[0.5.0]: https://github.com/shuji-bonji/pdf-reader-mcp/compare/v0.4.0...v0.5.0
 [0.4.0]: https://github.com/shuji-bonji/pdf-reader-mcp/compare/v0.3.0...v0.4.0
 [0.3.0]: https://github.com/shuji-bonji/pdf-reader-mcp/compare/v0.2.3...v0.3.0
 [0.2.3]: https://github.com/shuji-bonji/pdf-reader-mcp/compare/v0.2.2...v0.2.3

package/README.ja.md

@@ -20,7 +20,7 @@ PDF 内部構造解析に特化した MCP (Model Context Protocol) サーバー
 | ---------------- | ----------------------------------------------------- |
 | `get_page_count` | ページ数の軽量取得                                    |
 | `get_metadata`   | メタデータ抽出（タイトル、著者、PDF版、タグ有無等）   |
-| `read_text`      | テキスト抽出（Y座標ベースの読み順保持。`split_columns: 2 \| 3` で **タグなし** 多カラム PDF にも対応） |
+| `read_text`      | テキスト抽出（Y座標ベースの読み順保持。`split_columns: 2 \| 3` で **タグなし** 多カラム PDF、`compact_whitespace` で 帳票 の U+3000 連続空白を畳み込み） |
 | `search_text`    | 全文検索（前後コンテキスト付き）                      |
 | `read_images`    | 画像抽出（base64、メタデータ付き）                    |
 | `read_url`       | URLからリモートPDFを取得して処理                      |
@@ -177,12 +177,27 @@ read_text({ file_path: "/path/to/older-shinkyu.pdf", split_columns: 2 })
 **タグなし** 多カラム PDF (古い 新旧対照表など) で `split_columns: 2 \| 3` を指定。
 タグ付き PDF (`<Table>` 構造あり) では `extract_tables` の方が表構造を保持できます。
 
+### 連続する全角空白を畳み込む（日本語帳票・様式向け）
+
+```
+read_text({ file_path: "/path/to/form.pdf", compact_whitespace: true })
+→ // 元 PDF が U+3000 で視覚的インデントを表現している場合:
+//   " (   )   自   年   月   日   法   有 （   年   月   日）   有   有"
+//
+// compact_whitespace: true で:
+//   "( ) 自 年 月 日 法 有 （ 年 月 日） 有 有"
+//
+// 国税庁の帳票 PDF で文字数が約 40% 削減できる実例あり。
+```
+
+`compact_whitespace` は `split_columns` と直交して併用可能です。
+
 ## 技術スタック
 
 - **TypeScript** + MCP TypeScript SDK
 - **pdfjs-dist** (Mozilla) — テキスト/画像抽出、タグツリー、注釈
 - **pdf-lib** — 低レベルオブジェクト構造解析
-- **Vitest** — Unit + E2E テスト（168 tests）
+- **Vitest** — Unit + E2E テスト（171 tests）
 - **Biome** — lint + format
 - **Zod** — 入力バリデーション
 
@@ -190,7 +205,7 @@ read_text({ file_path: "/path/to/older-shinkyu.pdf", split_columns: 2 })
 
 ```bash
 npm test              # 全テスト実行（Unit: 39 tests）
-npm run test:e2e      # E2E のみ（129 tests）
+npm run test:e2e      # E2E のみ（132 tests）
 npm run test:watch    # ウォッチモード
 ```
 
@@ -220,9 +235,54 @@ pdf-reader-mcp/
 │       └── error-handler.ts  # エラーハンドリング
 └── tests/
     ├── tier1/                # Unit tests
-    └── e2e/                  # E2E tests (9 suites, 129 tests)
+    └── e2e/                  # E2E tests (9 suites, 132 tests)
+```
+
+## エラー応答 (houki-hub family contract)
+
+**v0.6.0** より、本 MCP のエラー応答は **houki-hub family 共通契約**に従う構造化レスポンスを返します。`code` 文字列は family 全体で統一された語彙を使用するため、`houki-egov-mcp` / `houki-nta-mcp` と併用しても LLM・Skill 層は一貫したロジックで解釈できます。
+
+- [`docs/ERROR-CODES.md`](https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-CODES.md) — エラーコード語彙の正典 (houki-research-skill)
+- [`docs/ERROR-HANDLING.md`](https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-HANDLING.md) — 解釈ポリシー / next_actions テンプレ
+
+実装は **完全に独立** しており、`houki-abbreviations` 等の family パッケージに依存しません。リファレンス実装は [`houki-egov-mcp/src/errors.ts`](https://github.com/shuji-bonji/houki-egov-mcp/blob/main/src/errors.ts)、本 MCP のローカル定義は [`src/errors.ts`](./src/errors.ts) を参照してください。
+
+エラー時は全 tool が `isError: true` を立て、`content[0].text` に `LawServiceError` を JSON 文字列化したものを入れて返します:
+
+```json
+{
+  "error": "The file does not appear to be a valid PDF.",
+  "code": "INVALID_PDF",
+  "hint": "ファイルが破損していないか確認してください。",
+  "next_actions": [
+    {
+      "action": "inspect_structure",
+      "reason": "PDF が壊れている可能性があります。Catalog / Pages 等の構造を確認してください"
+    }
+  ],
+  "detail": { "cause": "Invalid PDF structure" }
+}
 ```
 
+### 本 MCP で使用するコード
+
+| code | 用途 |
+|---|---|
+| `INVALID_ARGUMENT` | パス・URL・ページ範囲などクライアント側引数の不正 |
+| `DOC_NOT_FOUND` | ファイル未存在 (ENOENT) |
+| `INVALID_PDF` | PDF として不正・破損 |
+| `ENCRYPTED_PDF` | 暗号化 PDF (現状未対応) |
+| `UNSUPPORTED_PDF_FEATURE` | サポート外の PDF 機能 |
+| `FILE_TOO_LARGE` | 50MB 上限超過 (pdf-reader 固有) |
+| `SOURCE_API_ERROR` | URL fetch の HTTP エラー (4xx/5xx) |
+| `SOURCE_TIMEOUT` | リモート取得タイムアウト |
+| `SOURCE_UNAVAILABLE` | DNS / 接続失敗 |
+| `INTERNAL_ERROR` | パーミッション拒否を含むその他バグ |
+
+### 移行ノート (v0.5.x → v0.6.0)
+
+旧 v0.5.x までは `content[0].text` に `Error: ...\n\nSuggestion: ...` という人間可読な文字列を入れていました。v0.6.0 では同じ場所に **JSON 文字列** が入ります。LLM 側でテキスト解釈に依存していた場合は `JSON.parse(content[0].text)` での解釈に切り替えてください。`isError: true` フラグで構造化エラーかどうかを判定できます。
+
 ## pdf-spec-mcp との連携
 
 [pdf-spec-mcp](https://github.com/shuji-bonji/pdf-spec-mcp) は PDF 仕様（ISO 32000-2 等）の知識を提供する MCP サーバーです。両方を有効にすることで、LLM は以下のような仕様知識ベースのワークフローを実行できます:

package/README.md

@@ -20,7 +20,7 @@ While typical PDF MCP servers are thin wrappers for text extraction, this projec
 | ---------------- | -------------------------------------------------------- |
 | `get_page_count` | Lightweight page count retrieval                         |
 | `get_metadata`   | Full metadata extraction (title, author, PDF version...) |
-| `read_text`      | Text extraction with Y-coordinate reading order (opt-in `split_columns: 2 \| 3` for untagged multi-column PDFs) |
+| `read_text`      | Text extraction with Y-coordinate reading order (opt-in `split_columns: 2 \| 3` for untagged multi-column PDFs, `compact_whitespace` for Japanese forms) |
 | `search_text`    | Full-text search with surrounding context                |
 | `read_images`    | Image extraction as base64 with metadata                 |
 | `read_url`       | Fetch and process remote PDFs from URLs                  |
@@ -177,12 +177,27 @@ read_text({ file_path: "/path/to/older-shinkyu.pdf", split_columns: 2 })
 Use `split_columns: 2 | 3` for **untagged** multi-column PDFs. For Tagged
 PDFs with proper `<Table>` markup, `extract_tables` (above) is preferred.
 
+### Compact Whitespace (Japanese Forms)
+
+```
+read_text({ file_path: "/path/to/form.pdf", compact_whitespace: true })
+→ // Original PDF uses U+3000 fullwidth space as visual indentation:
+//   " (   )   自   年   月   日   法   有 （   年   月   日）   有   有"
+//
+// With compact_whitespace: true:
+//   "( ) 自 年 月 日 法 有 （ 年 月 日） 有 有"
+//
+// Empirically reduces character count by ~40% on form PDFs.
+```
+
+`compact_whitespace` is orthogonal to `split_columns` — both can be combined.
+
 ## Tech Stack
 
 - **TypeScript** + MCP TypeScript SDK
 - **pdfjs-dist** (Mozilla) — text/image extraction, tag tree, annotations
 - **pdf-lib** — low-level object structure analysis
-- **Vitest** — unit + E2E testing (168 tests)
+- **Vitest** — unit + E2E testing (171 tests)
 - **Biome** — linting + formatting
 - **Zod** — input validation
 
@@ -190,7 +205,7 @@ PDFs with proper `<Table>` markup, `extract_tables` (above) is preferred.
 
 ```bash
 npm test              # Run all tests (unit: 39 tests)
-npm run test:e2e      # E2E tests only (129 tests)
+npm run test:e2e      # E2E tests only (132 tests)
 npm run test:watch    # Watch mode
 ```
 
@@ -220,9 +235,54 @@ pdf-reader-mcp/
 │       └── error-handler.ts  # Error handling
 └── tests/
     ├── tier1/                # Unit tests
-    └── e2e/                  # E2E tests (9 suites, 129 tests)
+    └── e2e/                  # E2E tests (9 suites, 132 tests)
+```
+
+## Error Contract (houki-hub family)
+
+Since **v0.6.0**, this MCP returns structured errors that follow the **houki-hub family error contract**, sharing a unified `code` vocabulary across the family. Combined with `houki-egov-mcp` / `houki-nta-mcp`, an LLM or Skill layer can interpret errors with consistent logic.
+
+- [`docs/ERROR-CODES.md`](https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-CODES.md) — error code vocabulary (houki-research-skill)
+- [`docs/ERROR-HANDLING.md`](https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-HANDLING.md) — handling policy / next_actions templates
+
+Implementation is **independent** — no dependency on `houki-abbreviations` or other family packages. The reference implementation is [`houki-egov-mcp/src/errors.ts`](https://github.com/shuji-bonji/houki-egov-mcp/blob/main/src/errors.ts); pdf-reader-mcp's local definition is in [`src/errors.ts`](./src/errors.ts).
+
+On error, every tool returns `isError: true` and the JSON-stringified `LawServiceError` in `content[0].text`:
+
+```json
+{
+  "error": "The file does not appear to be a valid PDF.",
+  "code": "INVALID_PDF",
+  "hint": "ファイルが破損していないか確認してください。",
+  "next_actions": [
+    {
+      "action": "inspect_structure",
+      "reason": "PDF が壊れている可能性があります。Catalog / Pages 等の構造を確認してください"
+    }
+  ],
+  "detail": { "cause": "Invalid PDF structure" }
+}
 ```
 
+### Codes used by pdf-reader-mcp
+
+| code | 用途 |
+|---|---|
+| `INVALID_ARGUMENT` | パス・URL・ページ範囲などクライアント側引数の不正 |
+| `DOC_NOT_FOUND` | ファイル未存在 (ENOENT) |
+| `INVALID_PDF` | PDF として不正・破損 |
+| `ENCRYPTED_PDF` | 暗号化 PDF (現状未対応) |
+| `UNSUPPORTED_PDF_FEATURE` | サポート外の PDF 機能 |
+| `FILE_TOO_LARGE` | 50MB 上限超過 (pdf-reader 固有) |
+| `SOURCE_API_ERROR` | URL fetch の HTTP エラー (4xx/5xx) |
+| `SOURCE_TIMEOUT` | リモート取得タイムアウト |
+| `SOURCE_UNAVAILABLE` | DNS / 接続失敗 |
+| `INTERNAL_ERROR` | パーミッション拒否を含むその他バグ |
+
+### Migration note (v0.5.x → v0.6.0)
+
+旧 v0.5.x までは `content[0].text` に `Error: ...\n\nSuggestion: ...` という人間可読文字列を入れていました。v0.6.0 では同じ場所に **JSON 文字列** が入ります。LLM 側でテキスト解釈に依存していた場合は、`JSON.parse(content[0].text)` での解釈に切り替えてください。`isError: true` フラグで構造化エラーかどうかを判定できます。
+
 ## Pairing with pdf-spec-mcp
 
 [pdf-spec-mcp](https://github.com/shuji-bonji/pdf-spec-mcp) provides PDF specification knowledge (ISO 32000-2, etc.). With both servers enabled, an LLM can perform specification-aware workflows:

package/dist/constants.d.ts

@@ -13,7 +13,7 @@ export declare const MAX_SEARCH_RESULTS = 100;
 export declare const DEFAULT_SEARCH_CONTEXT = 80;
 /** Server info */
 export declare const SERVER_NAME = "pdf-reader-mcp";
-export declare const SERVER_VERSION = "0.4.0";
+export declare const SERVER_VERSION = "0.5.0";
 /** Response format enum */
 export declare enum ResponseFormat {
     MARKDOWN = "markdown",

package/dist/constants.js

@@ -13,7 +13,7 @@ export const MAX_SEARCH_RESULTS = 100;
 export const DEFAULT_SEARCH_CONTEXT = 80;
 /** Server info */
 export const SERVER_NAME = 'pdf-reader-mcp';
-export const SERVER_VERSION = '0.4.0';
+export const SERVER_VERSION = '0.5.0';
 /** Response format enum */
 export var ResponseFormat;
 (function (ResponseFormat) {

package/dist/errors.d.ts

@@ -0,0 +1,83 @@
+/**
+ * houki-hub family-compatible 構造化エラー応答 — pdf-reader-mcp 独自実装
+ *
+ * 設計指針:
+ * - houki-hub family の error contract に準拠 (`code` 文字列を共有)
+ * - 共通パッケージ依存を持たず独立実装 (pdf-reader-mcp は汎用 PDF ツールであり、
+ *   houki-abbreviations 等の家族専用パッケージへ依存させない)
+ * - houki-egov-mcp / houki-nta-mcp の `src/errors.ts` をリファレンスとし、
+ *   PDF 固有のコード (INVALID_PDF / ENCRYPTED_PDF 等) を追加
+ *
+ * family contract 仕様:
+ * @see https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-CODES.md
+ * @see https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-HANDLING.md
+ */
+/**
+ * family 共通エラーコード — pdf-reader-mcp で使用する部分集合 + PDF 固有拡張。
+ *
+ * - 引数・入力 (クライアント側責任): `INVALID_ARGUMENT`
+ * - リソース未発見: `DOC_NOT_FOUND`
+ * - PDF コンテンツ: `INVALID_PDF` / `ENCRYPTED_PDF` / `UNSUPPORTED_PDF_FEATURE`
+ * - 外部ソース由来: `SOURCE_API_ERROR` / `SOURCE_TIMEOUT` / `SOURCE_UNAVAILABLE`
+ * - PDF 固有: `FILE_TOO_LARGE` (50MB 制限超過)
+ * - システム: `INTERNAL_ERROR`
+ */
+export type LawErrorCode = 'INVALID_ARGUMENT' | 'DOC_NOT_FOUND' | 'INVALID_PDF' | 'ENCRYPTED_PDF' | 'UNSUPPORTED_PDF_FEATURE' | 'SOURCE_API_ERROR' | 'SOURCE_TIMEOUT' | 'SOURCE_UNAVAILABLE' | 'FILE_TOO_LARGE' | 'INTERNAL_ERROR';
+/**
+ * 次に取るべきアクションの提案。
+ * LLM がこれを読んで自律的に次のツールを呼ぶことを想定。
+ */
+export interface NextAction {
+    /** 推奨アクション (tool 名 or 自然言語) */
+    action: string;
+    /** どんなときに有効か */
+    reason: string;
+    /** 具体的な引数例 (任意) */
+    example?: Record<string, unknown>;
+}
+/**
+ * family-compatible 共通エラー応答。
+ */
+export interface LawServiceError {
+    /** 1文の人間可読メッセージ (LLM もここを読む) */
+    error: string;
+    /** プログラム判定用の安定したコード */
+    code: LawErrorCode;
+    /** 追加情報 (任意) */
+    hint?: string;
+    /** LLM が次に呼ぶべき tool / 取るべき手段の候補 */
+    next_actions?: NextAction[];
+    /** 一時的エラーかどうか (true なら時間をおいて再試行可) */
+    retryable?: boolean;
+    /** 元のエラー詳細 (debug 用) */
+    detail?: {
+        status?: number;
+        url?: string;
+        cause?: string;
+    };
+}
+/**
+ * エラーレスポンスを構築するヘルパー。
+ * 必須フィールド (error, code) と任意フィールドを安全に組み立てる。
+ */
+export declare function makeError(code: LawErrorCode, message: string, options?: {
+    hint?: string;
+    next_actions?: NextAction[];
+    retryable?: boolean;
+    detail?: LawServiceError['detail'];
+}): LawServiceError;
+/** オブジェクトが LawServiceError かどうかの type guard */
+export declare function isLawServiceError(value: unknown): value is LawServiceError;
+/**
+ * よく使う next_actions のプリセット。
+ * pdf-reader-mcp 固有の tool 名を含む。
+ */
+export declare const NEXT_ACTIONS: {
+    readonly checkFilePath: (filePath?: string) => NextAction;
+    readonly useGetPageCount: (filePath?: string) => NextAction;
+    readonly useInspectStructure: (filePath?: string) => NextAction;
+    readonly splitPdf: () => NextAction;
+    readonly retryLater: () => NextAction;
+    readonly checkUrl: (url?: string) => NextAction;
+};
+//# sourceMappingURL=errors.d.ts.map

package/dist/errors.d.ts.map

@@ -0,0 +1 @@
+{"version":3,"file":"errors.d.ts","sourceRoot":"","sources":["../src/errors.ts"],"names":[],"mappings":"AAAA;;;;;;;;;;;;;GAaG;AAEH;;;;;;;;;GASG;AACH,MAAM,MAAM,YAAY,GAEpB,kBAAkB,GAElB,eAAe,GAEf,aAAa,GACb,eAAe,GACf,yBAAyB,GAEzB,kBAAkB,GAClB,gBAAgB,GAChB,oBAAoB,GAEpB,gBAAgB,GAEhB,gBAAgB,CAAC;AAErB;;;GAGG;AACH,MAAM,WAAW,UAAU;IACzB,+BAA+B;IAC/B,MAAM,EAAE,MAAM,CAAC;IACf,gBAAgB;IAChB,MAAM,EAAE,MAAM,CAAC;IACf,mBAAmB;IACnB,OAAO,CAAC,EAAE,MAAM,CAAC,MAAM,EAAE,OAAO,CAAC,CAAC;CACnC;AAED;;GAEG;AACH,MAAM,WAAW,eAAe;IAC9B,gCAAgC;IAChC,KAAK,EAAE,MAAM,CAAC;IACd,uBAAuB;IACvB,IAAI,EAAE,YAAY,CAAC;IACnB,gBAAgB;IAChB,IAAI,CAAC,EAAE,MAAM,CAAC;IACd,mCAAmC;IACnC,YAAY,CAAC,EAAE,UAAU,EAAE,CAAC;IAC5B,qCAAqC;IACrC,SAAS,CAAC,EAAE,OAAO,CAAC;IACpB,wBAAwB;IACxB,MAAM,CAAC,EAAE;QACP,MAAM,CAAC,EAAE,MAAM,CAAC;QAChB,GAAG,CAAC,EAAE,MAAM,CAAC;QACb,KAAK,CAAC,EAAE,MAAM,CAAC;KAChB,CAAC;CACH;AAED;;;GAGG;AACH,wBAAgB,SAAS,CACvB,IAAI,EAAE,YAAY,EAClB,OAAO,EAAE,MAAM,EACf,OAAO,GAAE;IACP,IAAI,CAAC,EAAE,MAAM,CAAC;IACd,YAAY,CAAC,EAAE,UAAU,EAAE,CAAC;IAC5B,SAAS,CAAC,EAAE,OAAO,CAAC;IACpB,MAAM,CAAC,EAAE,eAAe,CAAC,QAAQ,CAAC,CAAC;CAC/B,GACL,eAAe,CASjB;AAED,+CAA+C;AAC/C,wBAAgB,iBAAiB,CAAC,KAAK,EAAE,OAAO,GAAG,KAAK,IAAI,eAAe,CAS1E;AAED;;;GAGG;AACH,eAAO,MAAM,YAAY;wCACI,MAAM,KAAG,UAAU;0CAKjB,MAAM,KAAG,UAAU;8CAKf,MAAM,KAAG,UAAU;6BAKtC,UAAU;+BAIR,UAAU;8BAIT,MAAM,KAAG,UAAU;CAK5B,CAAC"}

package/dist/errors.js

@@ -0,0 +1,75 @@
+/**
+ * houki-hub family-compatible 構造化エラー応答 — pdf-reader-mcp 独自実装
+ *
+ * 設計指針:
+ * - houki-hub family の error contract に準拠 (`code` 文字列を共有)
+ * - 共通パッケージ依存を持たず独立実装 (pdf-reader-mcp は汎用 PDF ツールであり、
+ *   houki-abbreviations 等の家族専用パッケージへ依存させない)
+ * - houki-egov-mcp / houki-nta-mcp の `src/errors.ts` をリファレンスとし、
+ *   PDF 固有のコード (INVALID_PDF / ENCRYPTED_PDF 等) を追加
+ *
+ * family contract 仕様:
+ * @see https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-CODES.md
+ * @see https://github.com/shuji-bonji/houki-research-skill/blob/main/docs/ERROR-HANDLING.md
+ */
+/**
+ * エラーレスポンスを構築するヘルパー。
+ * 必須フィールド (error, code) と任意フィールドを安全に組み立てる。
+ */
+export function makeError(code, message, options = {}) {
+    const err = { error: message, code };
+    if (options.hint)
+        err.hint = options.hint;
+    if (options.next_actions && options.next_actions.length > 0) {
+        err.next_actions = options.next_actions;
+    }
+    if (options.retryable !== undefined)
+        err.retryable = options.retryable;
+    if (options.detail)
+        err.detail = options.detail;
+    return err;
+}
+/** オブジェクトが LawServiceError かどうかの type guard */
+export function isLawServiceError(value) {
+    return (typeof value === 'object' &&
+        value !== null &&
+        'error' in value &&
+        'code' in value &&
+        typeof value.error === 'string' &&
+        typeof value.code === 'string');
+}
+/**
+ * よく使う next_actions のプリセット。
+ * pdf-reader-mcp 固有の tool 名を含む。
+ */
+export const NEXT_ACTIONS = {
+    checkFilePath: (filePath) => ({
+        action: 'verify_file_path',
+        reason: 'ファイルパスが正しいか、絶対パスで指定されているか確認してください',
+        example: filePath ? { file_path: filePath } : undefined,
+    }),
+    useGetPageCount: (filePath) => ({
+        action: 'get_page_count',
+        reason: '総ページ数を確認してから pages を指定してください',
+        example: filePath ? { file_path: filePath } : undefined,
+    }),
+    useInspectStructure: (filePath) => ({
+        action: 'inspect_structure',
+        reason: 'PDF が壊れている可能性があります。Catalog / Pages 等の構造を確認してください',
+        example: filePath ? { file_path: filePath } : undefined,
+    }),
+    splitPdf: () => ({
+        action: 'split_pdf',
+        reason: 'ファイルサイズが 50MB を超えています。分割してから再試行してください',
+    }),
+    retryLater: () => ({
+        action: 'retry_later',
+        reason: '一時的なネットワークエラーの可能性があります。30秒〜数分後に再試行してください',
+    }),
+    checkUrl: (url) => ({
+        action: 'verify_url',
+        reason: 'URL が正しいか・HTTP/HTTPS であるか確認してください',
+        example: url ? { url } : undefined,
+    }),
+};
+//# sourceMappingURL=errors.js.map

package/dist/errors.js.map

@@ -0,0 +1 @@
+{"version":3,"file":"errors.js","sourceRoot":"","sources":["../src/errors.ts"],"names":[],"mappings":"AAAA;;;;;;;;;;;;;GAaG;AAiEH;;;GAGG;AACH,MAAM,UAAU,SAAS,CACvB,IAAkB,EAClB,OAAe,EACf,UAKI,EAAE;IAEN,MAAM,GAAG,GAAoB,EAAE,KAAK,EAAE,OAAO,EAAE,IAAI,EAAE,CAAC;IACtD,IAAI,OAAO,CAAC,IAAI;QAAE,GAAG,CAAC,IAAI,GAAG,OAAO,CAAC,IAAI,CAAC;IAC1C,IAAI,OAAO,CAAC,YAAY,IAAI,OAAO,CAAC,YAAY,CAAC,MAAM,GAAG,CAAC,EAAE,CAAC;QAC5D,GAAG,CAAC,YAAY,GAAG,OAAO,CAAC,YAAY,CAAC;IAC1C,CAAC;IACD,IAAI,OAAO,CAAC,SAAS,KAAK,SAAS;QAAE,GAAG,CAAC,SAAS,GAAG,OAAO,CAAC,SAAS,CAAC;IACvE,IAAI,OAAO,CAAC,MAAM;QAAE,GAAG,CAAC,MAAM,GAAG,OAAO,CAAC,MAAM,CAAC;IAChD,OAAO,GAAG,CAAC;AACb,CAAC;AAED,+CAA+C;AAC/C,MAAM,UAAU,iBAAiB,CAAC,KAAc;IAC9C,OAAO,CACL,OAAO,KAAK,KAAK,QAAQ;QACzB,KAAK,KAAK,IAAI;QACd,OAAO,IAAI,KAAK;QAChB,MAAM,IAAI,KAAK;QACf,OAAQ,KAA4B,CAAC,KAAK,KAAK,QAAQ;QACvD,OAAQ,KAA2B,CAAC,IAAI,KAAK,QAAQ,CACtD,CAAC;AACJ,CAAC;AAED;;;GAGG;AACH,MAAM,CAAC,MAAM,YAAY,GAAG;IAC1B,aAAa,EAAE,CAAC,QAAiB,EAAc,EAAE,CAAC,CAAC;QACjD,MAAM,EAAE,kBAAkB;QAC1B,MAAM,EAAE,mCAAmC;QAC3C,OAAO,EAAE,QAAQ,CAAC,CAAC,CAAC,EAAE,SAAS,EAAE,QAAQ,EAAE,CAAC,CAAC,CAAC,SAAS;KACxD,CAAC;IACF,eAAe,EAAE,CAAC,QAAiB,EAAc,EAAE,CAAC,CAAC;QACnD,MAAM,EAAE,gBAAgB;QACxB,MAAM,EAAE,8BAA8B;QACtC,OAAO,EAAE,QAAQ,CAAC,CAAC,CAAC,EAAE,SAAS,EAAE,QAAQ,EAAE,CAAC,CAAC,CAAC,SAAS;KACxD,CAAC;IACF,mBAAmB,EAAE,CAAC,QAAiB,EAAc,EAAE,CAAC,CAAC;QACvD,MAAM,EAAE,mBAAmB;QAC3B,MAAM,EAAE,kDAAkD;QAC1D,OAAO,EAAE,QAAQ,CAAC,CAAC,CAAC,EAAE,SAAS,EAAE,QAAQ,EAAE,CAAC,CAAC,CAAC,SAAS;KACxD,CAAC;IACF,QAAQ,EAAE,GAAe,EAAE,CAAC,CAAC;QAC3B,MAAM,EAAE,WAAW;QACnB,MAAM,EAAE,uCAAuC;KAChD,CAAC;IACF,UAAU,EAAE,GAAe,EAAE,CAAC,CAAC;QAC7B,MAAM,EAAE,aAAa;QACrB,MAAM,EAAE,0CAA0C;KACnD,CAAC;IACF,QAAQ,EAAE,CAAC,GAAY,EAAc,EAAE,CAAC,CAAC;QACvC,MAAM,EAAE,YAAY;QACpB,MAAM,EAAE,mCAAmC;QAC3C,OAAO,EAAE,GAAG,CAAC,CAAC,CAAC,EAAE,GAAG,EAAE,CAAC,CAAC,CAAC,SAAS;KACnC,CAAC;CACM,CAAC"}

package/dist/schemas/tier1.d.ts

@@ -32,22 +32,37 @@ export declare const GetMetadataSchema: z.ZodObject<{
  * use `extract_tables` instead — `split_columns` is for untagged cases.
  */
 export declare const SplitColumnsSchema: z.ZodOptional<z.ZodNumber>;
+/**
+ * `compact_whitespace` — Issue #4: collapse runs of ASCII / fullwidth
+ * whitespace down to a single ASCII space, and trim each line.
+ *
+ * Default `false` keeps the existing extraction byte-for-byte. When set to
+ * `true`, every run of `\s` plus `　` is replaced with one ASCII space
+ * and trailing/leading whitespace is removed line by line. This typically
+ * cuts 20–40% of token consumption for Japanese form-style PDFs without
+ * losing any content. Inter-column blank-line separators (from
+ * `split_columns`) are preserved.
+ */
+export declare const CompactWhitespaceSchema: z.ZodOptional<z.ZodBoolean>;
 /** read_text */
 export declare const ReadTextSchema: z.ZodObject<{
     file_path: z.ZodString;
     pages: z.ZodOptional<z.ZodString>;
     response_format: z.ZodDefault<z.ZodNativeEnum<typeof import("../constants.js").ResponseFormat>>;
     split_columns: z.ZodOptional<z.ZodNumber>;
+    compact_whitespace: z.ZodOptional<z.ZodBoolean>;
 }, "strict", z.ZodTypeAny, {
     file_path: string;
     response_format: import("../constants.js").ResponseFormat;
     pages?: string | undefined;
     split_columns?: number | undefined;
+    compact_whitespace?: boolean | undefined;
 }, {
     file_path: string;
     response_format?: import("../constants.js").ResponseFormat | undefined;
     pages?: string | undefined;
     split_columns?: number | undefined;
+    compact_whitespace?: boolean | undefined;
 }>;
 /** search_text */
 export declare const SearchTextSchema: z.ZodObject<{
@@ -89,16 +104,19 @@ export declare const ReadUrlSchema: z.ZodObject<{
     pages: z.ZodOptional<z.ZodString>;
     response_format: z.ZodDefault<z.ZodNativeEnum<typeof import("../constants.js").ResponseFormat>>;
     split_columns: z.ZodOptional<z.ZodNumber>;
+    compact_whitespace: z.ZodOptional<z.ZodBoolean>;
 }, "strict", z.ZodTypeAny, {
-    response_format: import("../constants.js").ResponseFormat;
     url: string;
+    response_format: import("../constants.js").ResponseFormat;
     pages?: string | undefined;
     split_columns?: number | undefined;
+    compact_whitespace?: boolean | undefined;
 }, {
     url: string;
     response_format?: import("../constants.js").ResponseFormat | undefined;
     pages?: string | undefined;
     split_columns?: number | undefined;
+    compact_whitespace?: boolean | undefined;
 }>;
 /** summarize */
 export declare const SummarizeSchema: z.ZodObject<{

package/dist/schemas/tier1.d.ts.map

@@ -1 +1 @@
-{"version":3,"file":"tier1.d.ts","sourceRoot":"","sources":["../../src/schemas/tier1.ts"],"names":[],"mappings":"AAAA;;GAEG;AAEH,OAAO,EAAE,CAAC,EAAE,MAAM,KAAK,CAAC;AAIxB,qBAAqB;AACrB,eAAO,MAAM,kBAAkB;;;;;;EAIpB,CAAC;AAEZ,mBAAmB;AACnB,eAAO,MAAM,iBAAiB;;;;;;;;;EAKnB,CAAC;AAEZ;;;;;;;;;GASG;AACH,eAAO,MAAM,kBAAkB,4BAW5B,CAAC;AAEJ,gBAAgB;AAChB,eAAO,MAAM,cAAc;;;;;;;;;;;;;;;EAOhB,CAAC;AAEZ,kBAAkB;AAClB,eAAO,MAAM,gBAAgB;;;;;;;;;;;;;;;;;;;;;EAyBlB,CAAC;AAEZ,kBAAkB;AAClB,eAAO,MAAM,gBAAgB;;;;;;;;;EAKlB,CAAC;AAEZ,eAAe;AACf,eAAO,MAAM,aAAa;;;;;;;;;;;;;;;EAOf,CAAC;AAEZ,gBAAgB;AAChB,eAAO,MAAM,eAAe;;;;;;;;;EAKjB,CAAC;AAGZ,MAAM,MAAM,iBAAiB,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,kBAAkB,CAAC,CAAC;AACnE,MAAM,MAAM,gBAAgB,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,iBAAiB,CAAC,CAAC;AACjE,MAAM,MAAM,aAAa,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,cAAc,CAAC,CAAC;AAC3D,MAAM,MAAM,eAAe,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,gBAAgB,CAAC,CAAC;AAC/D,MAAM,MAAM,eAAe,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,gBAAgB,CAAC,CAAC;AAC/D,MAAM,MAAM,YAAY,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,aAAa,CAAC,CAAC;AACzD,MAAM,MAAM,cAAc,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,eAAe,CAAC,CAAC"}
+{"version":3,"file":"tier1.d.ts","sourceRoot":"","sources":["../../src/schemas/tier1.ts"],"names":[],"mappings":"AAAA;;GAEG;AAEH,OAAO,EAAE,CAAC,EAAE,MAAM,KAAK,CAAC;AAIxB,qBAAqB;AACrB,eAAO,MAAM,kBAAkB;;;;;;EAIpB,CAAC;AAEZ,mBAAmB;AACnB,eAAO,MAAM,iBAAiB;;;;;;;;;EAKnB,CAAC;AAEZ;;;;;;;;;GASG;AACH,eAAO,MAAM,kBAAkB,4BAW5B,CAAC;AAEJ;;;;;;;;;;GAUG;AACH,eAAO,MAAM,uBAAuB,6BAOjC,CAAC;AAEJ,gBAAgB;AAChB,eAAO,MAAM,cAAc;;;;;;;;;;;;;;;;;;EAQhB,CAAC;AAEZ,kBAAkB;AAClB,eAAO,MAAM,gBAAgB;;;;;;;;;;;;;;;;;;;;;EAyBlB,CAAC;AAEZ,kBAAkB;AAClB,eAAO,MAAM,gBAAgB;;;;;;;;;EAKlB,CAAC;AAEZ,eAAe;AACf,eAAO,MAAM,aAAa;;;;;;;;;;;;;;;;;;EAQf,CAAC;AAEZ,gBAAgB;AAChB,eAAO,MAAM,eAAe;;;;;;;;;EAKjB,CAAC;AAGZ,MAAM,MAAM,iBAAiB,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,kBAAkB,CAAC,CAAC;AACnE,MAAM,MAAM,gBAAgB,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,iBAAiB,CAAC,CAAC;AACjE,MAAM,MAAM,aAAa,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,cAAc,CAAC,CAAC;AAC3D,MAAM,MAAM,eAAe,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,gBAAgB,CAAC,CAAC;AAC/D,MAAM,MAAM,eAAe,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,gBAAgB,CAAC,CAAC;AAC/D,MAAM,MAAM,YAAY,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,aAAa,CAAC,CAAC;AACzD,MAAM,MAAM,cAAc,GAAG,CAAC,CAAC,KAAK,CAAC,OAAO,eAAe,CAAC,CAAC"}

package/dist/schemas/tier1.js

@@ -37,6 +37,23 @@ export const SplitColumnsSchema = z
     '2 or 3 = bucket by X-coordinate left-to-right. Use for untagged 新旧対照表 / ' +
     'two-column PDFs where Y-sort would interleave columns. Tagged PDFs with proper ' +
     '<Table> markup should use extract_tables instead.');
+/**
+ * `compact_whitespace` — Issue #4: collapse runs of ASCII / fullwidth
+ * whitespace down to a single ASCII space, and trim each line.
+ *
+ * Default `false` keeps the existing extraction byte-for-byte. When set to
+ * `true`, every run of `\s` plus `　` is replaced with one ASCII space
+ * and trailing/leading whitespace is removed line by line. This typically
+ * cuts 20–40% of token consumption for Japanese form-style PDFs without
+ * losing any content. Inter-column blank-line separators (from
+ * `split_columns`) are preserved.
+ */
+export const CompactWhitespaceSchema = z
+    .boolean()
+    .optional()
+    .describe('When true, collapse runs of whitespace (incl. fullwidth space U+3000) ' +
+    'to a single ASCII space and trim each line. Reduces token consumption ' +
+    'on Japanese form-style PDFs. Default: false (no whitespace normalization).');
 /** read_text */
 export const ReadTextSchema = z
     .object({
@@ -44,6 +61,7 @@ export const ReadTextSchema = z
     pages: PagesSchema,
     response_format: ResponseFormatSchema,
     split_columns: SplitColumnsSchema,
+    compact_whitespace: CompactWhitespaceSchema,
 })
     .strict();
 /** search_text */
@@ -87,6 +105,7 @@ export const ReadUrlSchema = z
     pages: PagesSchema,
     response_format: ResponseFormatSchema,
     split_columns: SplitColumnsSchema,
+    compact_whitespace: CompactWhitespaceSchema,
 })
     .strict();
 /** summarize */

package/dist/schemas/tier1.js.map

@@ -1 +1 @@
-{"version":3,"file":"tier1.js","sourceRoot":"","sources":["../../src/schemas/tier1.ts"],"names":[],"mappings":"AAAA;;GAEG;AAEH,OAAO,EAAE,CAAC,EAAE,MAAM,KAAK,CAAC;AACxB,OAAO,EAAE,sBAAsB,EAAE,kBAAkB,EAAE,MAAM,iBAAiB,CAAC;AAC7E,OAAO,EAAE,cAAc,EAAE,WAAW,EAAE,oBAAoB,EAAE,SAAS,EAAE,MAAM,aAAa,CAAC;AAE3F,qBAAqB;AACrB,MAAM,CAAC,MAAM,kBAAkB,GAAG,CAAC;KAChC,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;CAC1B,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,mBAAmB;AACnB,MAAM,CAAC,MAAM,iBAAiB,GAAG,CAAC;KAC/B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,eAAe,EAAE,oBAAoB;CACtC,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ;;;;;;;;;GASG;AACH,MAAM,CAAC,MAAM,kBAAkB,GAAG,CAAC;KAChC,MAAM,EAAE;KACR,GAAG,EAAE;KACL,GAAG,CAAC,CAAC,CAAC;KACN,GAAG,CAAC,CAAC,CAAC;KACN,QAAQ,EAAE;KACV,QAAQ,CACP,gFAAgF;IAC9E,0EAA0E;IAC1E,iFAAiF;IACjF,mDAAmD,CACtD,CAAC;AAEJ,gBAAgB;AAChB,MAAM,CAAC,MAAM,cAAc,GAAG,CAAC;KAC5B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,KAAK,EAAE,WAAW;IAClB,eAAe,EAAE,oBAAoB;IACrC,aAAa,EAAE,kBAAkB;CAClC,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,kBAAkB;AAClB,MAAM,CAAC,MAAM,gBAAgB,GAAG,CAAC;KAC9B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,KAAK,EAAE,CAAC;SACL,MAAM,EAAE;SACR,GAAG,CAAC,CAAC,EAAE,0BAA0B,CAAC;SAClC,GAAG,CAAC,GAAG,EAAE,sCAAsC,CAAC;SAChD,QAAQ,CAAC,uCAAuC,CAAC;IACpD,KAAK,EAAE,WAAW;IAClB,aAAa,EAAE,CAAC;SACb,MAAM,EAAE;SACR,GAAG,EAAE;SACL,GAAG,CAAC,CAAC,CAAC;SACN,GAAG,CAAC,GAAG,CAAC;SACR,OAAO,CAAC,sBAAsB,CAAC;SAC/B,QAAQ,CAAC,0DAA0D,CAAC;IACvE,WAAW,EAAE,CAAC;SACX,MAAM,EAAE;SACR,GAAG,EAAE;SACL,GAAG,CAAC,CAAC,CAAC;SACN,GAAG,CAAC,kBAAkB,CAAC;SACvB,OAAO,CAAC,EAAE,CAAC;SACX,QAAQ,CAAC,qCAAqC,CAAC;IAClD,eAAe,EAAE,oBAAoB;CACtC,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,kBAAkB;AAClB,MAAM,CAAC,MAAM,gBAAgB,GAAG,CAAC;KAC9B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,KAAK,EAAE,WAAW;CACnB,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,eAAe;AACf,MAAM,CAAC,MAAM,aAAa,GAAG,CAAC;KAC3B,MAAM,CAAC;IACN,GAAG,EAAE,SAAS;IACd,KAAK,EAAE,WAAW;IAClB,eAAe,EAAE,oBAAoB;IACrC,aAAa,EAAE,kBAAkB;CAClC,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,gBAAgB;AAChB,MAAM,CAAC,MAAM,eAAe,GAAG,CAAC;KAC7B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,eAAe,EAAE,oBAAoB;CACtC,CAAC;KACD,MAAM,EAAE,CAAC"}
+{"version":3,"file":"tier1.js","sourceRoot":"","sources":["../../src/schemas/tier1.ts"],"names":[],"mappings":"AAAA;;GAEG;AAEH,OAAO,EAAE,CAAC,EAAE,MAAM,KAAK,CAAC;AACxB,OAAO,EAAE,sBAAsB,EAAE,kBAAkB,EAAE,MAAM,iBAAiB,CAAC;AAC7E,OAAO,EAAE,cAAc,EAAE,WAAW,EAAE,oBAAoB,EAAE,SAAS,EAAE,MAAM,aAAa,CAAC;AAE3F,qBAAqB;AACrB,MAAM,CAAC,MAAM,kBAAkB,GAAG,CAAC;KAChC,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;CAC1B,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,mBAAmB;AACnB,MAAM,CAAC,MAAM,iBAAiB,GAAG,CAAC;KAC/B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,eAAe,EAAE,oBAAoB;CACtC,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ;;;;;;;;;GASG;AACH,MAAM,CAAC,MAAM,kBAAkB,GAAG,CAAC;KAChC,MAAM,EAAE;KACR,GAAG,EAAE;KACL,GAAG,CAAC,CAAC,CAAC;KACN,GAAG,CAAC,CAAC,CAAC;KACN,QAAQ,EAAE;KACV,QAAQ,CACP,gFAAgF;IAC9E,0EAA0E;IAC1E,iFAAiF;IACjF,mDAAmD,CACtD,CAAC;AAEJ;;;;;;;;;;GAUG;AACH,MAAM,CAAC,MAAM,uBAAuB,GAAG,CAAC;KACrC,OAAO,EAAE;KACT,QAAQ,EAAE;KACV,QAAQ,CACP,wEAAwE;IACtE,wEAAwE;IACxE,4EAA4E,CAC/E,CAAC;AAEJ,gBAAgB;AAChB,MAAM,CAAC,MAAM,cAAc,GAAG,CAAC;KAC5B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,KAAK,EAAE,WAAW;IAClB,eAAe,EAAE,oBAAoB;IACrC,aAAa,EAAE,kBAAkB;IACjC,kBAAkB,EAAE,uBAAuB;CAC5C,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,kBAAkB;AAClB,MAAM,CAAC,MAAM,gBAAgB,GAAG,CAAC;KAC9B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,KAAK,EAAE,CAAC;SACL,MAAM,EAAE;SACR,GAAG,CAAC,CAAC,EAAE,0BAA0B,CAAC;SAClC,GAAG,CAAC,GAAG,EAAE,sCAAsC,CAAC;SAChD,QAAQ,CAAC,uCAAuC,CAAC;IACpD,KAAK,EAAE,WAAW;IAClB,aAAa,EAAE,CAAC;SACb,MAAM,EAAE;SACR,GAAG,EAAE;SACL,GAAG,CAAC,CAAC,CAAC;SACN,GAAG,CAAC,GAAG,CAAC;SACR,OAAO,CAAC,sBAAsB,CAAC;SAC/B,QAAQ,CAAC,0DAA0D,CAAC;IACvE,WAAW,EAAE,CAAC;SACX,MAAM,EAAE;SACR,GAAG,EAAE;SACL,GAAG,CAAC,CAAC,CAAC;SACN,GAAG,CAAC,kBAAkB,CAAC;SACvB,OAAO,CAAC,EAAE,CAAC;SACX,QAAQ,CAAC,qCAAqC,CAAC;IAClD,eAAe,EAAE,oBAAoB;CACtC,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,kBAAkB;AAClB,MAAM,CAAC,MAAM,gBAAgB,GAAG,CAAC;KAC9B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,KAAK,EAAE,WAAW;CACnB,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,eAAe;AACf,MAAM,CAAC,MAAM,aAAa,GAAG,CAAC;KAC3B,MAAM,CAAC;IACN,GAAG,EAAE,SAAS;IACd,KAAK,EAAE,WAAW;IAClB,eAAe,EAAE,oBAAoB;IACrC,aAAa,EAAE,kBAAkB;IACjC,kBAAkB,EAAE,uBAAuB;CAC5C,CAAC;KACD,MAAM,EAAE,CAAC;AAEZ,gBAAgB;AAChB,MAAM,CAAC,MAAM,eAAe,GAAG,CAAC;KAC7B,MAAM,CAAC;IACN,SAAS,EAAE,cAAc;IACzB,eAAe,EAAE,oBAAoB;CACtC,CAAC;KACD,MAAM,EAAE,CAAC"}

package/dist/services/pdfjs-service.d.ts

@@ -25,13 +25,17 @@ export declare function getMetadataFromDoc(doc: PDFDocumentProxy, filePath: stri
 /**
  * Options for text extraction.
  *
- * `splitColumns` controls Issue #3 column-aware reordering. When `>= 2`,
- * text items are bucketed into N equal-width columns by X-coordinate and
- * concatenated left-to-right. `1` (default / undefined) preserves the
- * existing single-column Y-sort behaviour.
+ * - `splitColumns` controls Issue #3 column-aware reordering. When `>= 2`,
+ *   text items are bucketed into N equal-width columns by X-coordinate and
+ *   concatenated left-to-right. `1` (default / undefined) preserves the
+ *   existing single-column Y-sort behaviour.
+ * - `compactWhitespace` controls Issue #4 whitespace normalization. When
+ *   `true`, runs of `\s` plus U+3000 collapse to one ASCII space and each
+ *   line is trimmed. Default `false` preserves original spacing.
  */
 export interface ExtractTextOptions {
     splitColumns?: number;
+    compactWhitespace?: boolean;
 }
 /**
  * Extract text from a pre-loaded PDFDocumentProxy.

package/dist/services/pdfjs-service.d.ts.map

@@ -1 +1 @@
-{"version":3,"file":"pdfjs-service.d.ts","sourceRoot":"","sources":["../../src/services/pdfjs-service.ts"],"names":[],"mappings":"AAAA;;;;GAIG;AAEH,OAAO,EAGL,KAAK,gBAAgB,EAEtB,MAAM,iCAAiC,CAAC;AAGzC,OAAO,KAAK,EAEV,mBAAmB,EAGnB,qBAAqB,EACrB,QAAQ,EACR,WAAW,EACX,WAAW,EAGX,sBAAsB,EAEtB,YAAY,EACb,MAAM,aAAa,CAAC;AAWrB;;GAEG;AACH,wBAAsB,YAAY,CAAC,QAAQ,EAAE,MAAM,GAAG,OAAO,CAAC,gBAAgB,CAAC,CAI9E;AAED;;GAEG;AACH,wBAAsB,oBAAoB,CAAC,IAAI,EAAE,UAAU,GAAG,OAAO,CAAC,gBAAgB,CAAC,CAGtF;AAED;;GAEG;AACH,wBAAsB,WAAW,CAAC,QAAQ,EAAE,MAAM,GAAG,OAAO,CAAC,WAAW,CAAC,CAOxE;AAED;;;GAGG;AACH,wBAAsB,kBAAkB,CACtC,GAAG,EAAE,gBAAgB,EACrB,QAAQ,EAAE,MAAM,GACf,OAAO,CAAC,WAAW,CAAC,CA6BtB;AAED;;;;;;;GAOG;AACH,MAAM,WAAW,kBAAkB;IACjC,YAAY,CAAC,EAAE,MAAM,CAAC;CACvB;AAED;;;GAGG;AACH,wBAAsB,kBAAkB,CACtC,GAAG,EAAE,gBAAgB,EACrB,KAAK,CAAC,EAAE,MAAM,EACd,OAAO,GAAE,kBAAuB,GAC/B,OAAO,CAAC,QAAQ,EAAE,CAAC,CAarB;AAED;;GAEG;AACH,wBAAsB,WAAW,CAC/B,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,EACd,OAAO,GAAE,kBAAuB,GAC/B,OAAO,CAAC,QAAQ,EAAE,CAAC,CAQrB;AAED;;GAEG;AACH,wBAAsB,UAAU,CAC9B,QAAQ,EAAE,MAAM,EAChB,KAAK,EAAE,MAAM,EACb,YAAY,GAAE,MAA+B,EAC7C,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,WAAW,EAAE,CAAC,CAsDxB;AAED;;;GAGG;AACH,wBAAsB,kBAAkB,CAAC,GAAG,EAAE,gBAAgB,EAAE,KAAK,CAAC,EAAE,MAAM,GAAG,OAAO,CAAC,MAAM,CAAC,CAmB/F;AAED;;GAEG;AACH,wBAAsB,WAAW,CAAC,QAAQ,EAAE,MAAM,EAAE,KAAK,CAAC,EAAE,MAAM,GAAG,OAAO,CAAC,MAAM,CAAC,CAQnF;AAED;;;GAGG;AACH,wBAAsB,aAAa,CACjC,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,qBAAqB,CAAC,CAoEhC;AAyID;;;GAGG;AACH,wBAAsB,kBAAkB,CAAC,GAAG,EAAE,gBAAgB,GAAG,OAAO,CAAC,YAAY,CAAC,CAmErF;AAED;;GAEG;AACH,wBAAsB,WAAW,CAAC,QAAQ,EAAE,MAAM,GAAG,OAAO,CAAC,YAAY,CAAC,CAOzE;AAID;;;;;;;;;;;;;;;;;;GAkBG;AACH,wBAAsB,oBAAoB,CACxC,GAAG,EAAE,gBAAgB,EACrB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,sBAAsB,CAAC,CA8CjC;AAED,wBAAsB,aAAa,CACjC,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,sBAAsB,CAAC,CAOjC;AA2KD;;GAEG;AACH,wBAAsB,kBAAkB,CACtC,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,mBAAmB,CAAC,CAmG9B"}
+{"version":3,"file":"pdfjs-service.d.ts","sourceRoot":"","sources":["../../src/services/pdfjs-service.ts"],"names":[],"mappings":"AAAA;;;;GAIG;AAEH,OAAO,EAGL,KAAK,gBAAgB,EAEtB,MAAM,iCAAiC,CAAC;AAGzC,OAAO,KAAK,EAEV,mBAAmB,EAGnB,qBAAqB,EACrB,QAAQ,EACR,WAAW,EACX,WAAW,EAGX,sBAAsB,EAEtB,YAAY,EACb,MAAM,aAAa,CAAC;AAWrB;;GAEG;AACH,wBAAsB,YAAY,CAAC,QAAQ,EAAE,MAAM,GAAG,OAAO,CAAC,gBAAgB,CAAC,CAI9E;AAED;;GAEG;AACH,wBAAsB,oBAAoB,CAAC,IAAI,EAAE,UAAU,GAAG,OAAO,CAAC,gBAAgB,CAAC,CAGtF;AAED;;GAEG;AACH,wBAAsB,WAAW,CAAC,QAAQ,EAAE,MAAM,GAAG,OAAO,CAAC,WAAW,CAAC,CAOxE;AAED;;;GAGG;AACH,wBAAsB,kBAAkB,CACtC,GAAG,EAAE,gBAAgB,EACrB,QAAQ,EAAE,MAAM,GACf,OAAO,CAAC,WAAW,CAAC,CA6BtB;AAED;;;;;;;;;;GAUG;AACH,MAAM,WAAW,kBAAkB;IACjC,YAAY,CAAC,EAAE,MAAM,CAAC;IACtB,iBAAiB,CAAC,EAAE,OAAO,CAAC;CAC7B;AAED;;;GAGG;AACH,wBAAsB,kBAAkB,CACtC,GAAG,EAAE,gBAAgB,EACrB,KAAK,CAAC,EAAE,MAAM,EACd,OAAO,GAAE,kBAAuB,GAC/B,OAAO,CAAC,QAAQ,EAAE,CAAC,CAarB;AAED;;GAEG;AACH,wBAAsB,WAAW,CAC/B,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,EACd,OAAO,GAAE,kBAAuB,GAC/B,OAAO,CAAC,QAAQ,EAAE,CAAC,CAQrB;AAED;;GAEG;AACH,wBAAsB,UAAU,CAC9B,QAAQ,EAAE,MAAM,EAChB,KAAK,EAAE,MAAM,EACb,YAAY,GAAE,MAA+B,EAC7C,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,WAAW,EAAE,CAAC,CAsDxB;AAED;;;GAGG;AACH,wBAAsB,kBAAkB,CAAC,GAAG,EAAE,gBAAgB,EAAE,KAAK,CAAC,EAAE,MAAM,GAAG,OAAO,CAAC,MAAM,CAAC,CAmB/F;AAED;;GAEG;AACH,wBAAsB,WAAW,CAAC,QAAQ,EAAE,MAAM,EAAE,KAAK,CAAC,EAAE,MAAM,GAAG,OAAO,CAAC,MAAM,CAAC,CAQnF;AAED;;;GAGG;AACH,wBAAsB,aAAa,CACjC,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,qBAAqB,CAAC,CAoEhC;AA8JD;;;GAGG;AACH,wBAAsB,kBAAkB,CAAC,GAAG,EAAE,gBAAgB,GAAG,OAAO,CAAC,YAAY,CAAC,CAmErF;AAED;;GAEG;AACH,wBAAsB,WAAW,CAAC,QAAQ,EAAE,MAAM,GAAG,OAAO,CAAC,YAAY,CAAC,CAOzE;AAID;;;;;;;;;;;;;;;;;;GAkBG;AACH,wBAAsB,oBAAoB,CACxC,GAAG,EAAE,gBAAgB,EACrB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,sBAAsB,CAAC,CA8CjC;AAED,wBAAsB,aAAa,CACjC,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,sBAAsB,CAAC,CAOjC;AA2KD;;GAEG;AACH,wBAAsB,kBAAkB,CACtC,QAAQ,EAAE,MAAM,EAChB,KAAK,CAAC,EAAE,MAAM,GACb,OAAO,CAAC,mBAAmB,CAAC,CAmG9B"}