Formularios PDF

La detección funciona por anclas. Una etiqueta que acaba en dos puntos, una fila de puntos o una línea discontinua baja indica que ahí al lado va un campo, y el ancho llega hasta el texto siguiente o hasta el margen. ¿No cabe? El campo baja debajo. El tipo sale de las palabras de la etiqueta, cotejadas contra listas en español e inglés: correo, teléfono, fecha, dirección, importe, firma, sí o no. Cada propuesta lleva su cifra de confianza y su motivo. La validación va pegada al campo, no se comprueba una sola vez. Expresión regular, longitud, rango y formato para correo, teléfono, fecha, moneda y porcentaje. En la pasada masiva se revisa cada fila antes de escribir su PDF, y lo que falle acaba en un errores.txt dentro del ZIP. Doscientos documentos con la dirección rota en la fila 87 es peor que un aviso ahora. El lector de CSV se come los casos incómodos a propósito: campos entre comillas, comillas dobladas dentro de un campo entrecomillado, saltos de línea dentro de una celda, punto y coma en vez de coma. El separador se detecta, nunca se da por supuesto. Los nombres de archivo se sanean. Sin barras, sin dos puntos, sin caracteres de control, sin nombres reservados de Windows y con un tope duro de longitud. Un patrón es cómodo hasta la fila en la que el nombre de alguien se convierte en una ruta. Un límite honesto: pdf-lib no puede acuñar un campo de firma criptográfica. Esos salen como campos de texto reservados con un nombre reconocible, listos para un paso de firma de verdad.