MODULE.de.md

@@ -1,96 +0,0 @@
-# text.extract
-
-Reine Textextraktion aus PDF- und DOCX-Dokumenten. Pure-Rust,
-in-WASM, ohne deklarierte Berechtigungen. Der kanonische erste
-Schritt in Flows, die Rohtext brauchen — anonymisieren,
-zusammenfassen, übersetzen, per LLM klassifizieren,
-Audit-redigieren.
-
-## Capability
-
-- `text.extract@0.1.0`
-
-## Eingaben
-
-| Name       | Typ   | Beschreibung                                            |
-| ---------- | ----- | ------------------------------------------------------- |
-| `document` | bytes | Das zu extrahierende Dokument. MIME-Typen siehe unten.  |
-
-Akzeptierte MIME-Typen (deklariert in
-`module.yaml#accepts_mime`, von Studio als File-Picker-Filter
-gelesen):
-
-- `application/pdf`
-- `application/x-pdf`
-- `application/vnd.openxmlformats-officedocument.wordprocessingml.document`
-
-Andere MIME-Typen werden mit `invalid_input` abgelehnt — vor
-jedem Parsen.
-
-## Ausgabe
-
-| Name        | Typ  | Beschreibung                                  |
-| ----------- | ---- | --------------------------------------------- |
-| `extracted` | json | `ExtractedDocument`-Schema siehe unten.       |
-
-```json
-{
-  "engine": "pdf-extract",
-  "engine_version": "0.7",
-  "pages": [
-    { "number": 1, "text": "…" }
-  ]
-}
-```
-
-`confidence` und `bbox` pro Seite sind im Schema für eine
-spätere Service-Mode-Variante (pdfium / mupdf via
-Host-Services) reserviert. v0.1.0 setzt diese Felder nicht;
-das Schema akzeptiert sie als optional.
-
-## Berechtigungen
-
-Keine. Reine Rust-Pipeline (`pdf-extract`, `zip`, `quick-xml`).
-Kein Dateisystem, kein Netz. `permissions: []` in
-`module.yaml` macht das explizit; der Hub erzwingt es.
-
-## Grenzen in v0.1.0
-
-- **Layout-naives PDF.** Mehrspaltige oder tabellenlastige
-  Dokumente können umsortierten Text liefern. Ein-Spalten-
-  Fließtext ist solide.
-- **Kein OCR.** Gescannte (nur-Bild-)PDFs liefern pro Seite
-  leeren Text. Künftiges `text.ocr@^0` als Vor-Schritt.
-- **Nur DOCX bei Office.** `.doc` (Altformat), `.rtf`, `.odt`
-  noch nicht unterstützt.
-
-`1.0.0` setzt entweder die Service-Mode-Variante
-(pdfium-Qualität + Layout) voraus oder einen
-nachgewiesen-guten Extraktions-Score auf einem
-repräsentativen Korpus.
-
-## Beispiel-Flow
-
-```yaml
-name: extract-anonymise
-inputs:
-  document: bytes
-steps:
-  - id: extract
-    use: text.extract@^0
-    with:
-      document: $inputs.document
-  - id: redact
-    use: text.anonymize@^0
-    with:
-      text: $extract.extracted.pages[*].text
-outputs:
-  redacted: $redact.anonymized
-```
-
-## Build
-
-```bash
-cargo build --release --target wasm32-wasip2
-# Ausgabe: target/wasm32-wasip2/release/text_extract.wasm
-```

MODULE.md

@@ -1,92 +0,0 @@
-# text.extract
-
-Plain-text extraction from PDF and DOCX documents. Pure-Rust,
-in-WASM, no permissions required. The canonical first step in
-any flow that needs raw text — anonymise, summarise, translate,
-LLM-classify, audit-redact.
-
-## Capability
-
-- `text.extract@0.1.0`
-
-## Inputs
-
-| Name       | Type  | Description                                            |
-| ---------- | ----- | ------------------------------------------------------ |
-| `document` | bytes | The document to extract. Accepted MIME types below.    |
-
-Accepted MIME types (declared in `module.yaml#accepts_mime`,
-read by Studio as the file-picker filter):
-
-- `application/pdf`
-- `application/x-pdf`
-- `application/vnd.openxmlformats-officedocument.wordprocessingml.document`
-
-Other MIME types are rejected with a `invalid_input` error
-before any parsing happens.
-
-## Output
-
-| Name        | Type | Description                                       |
-| ----------- | ---- | ------------------------------------------------- |
-| `extracted` | json | `ExtractedDocument` schema below.                 |
-
-```json
-{
-  "engine": "pdf-extract",
-  "engine_version": "0.7",
-  "pages": [
-    { "number": 1, "text": "…" }
-  ]
-}
-```
-
-Per-page `confidence` and `bbox` fields are reserved in the
-schema for a future service-mode variant (pdfium / mupdf via
-host services) that surfaces layout information. v0.1.0 does
-not populate them; the schema accepts them as optional.
-
-## Permissions
-
-None. Pure-Rust pipeline (`pdf-extract`, `zip`, `quick-xml`).
-No filesystem, no network. The empty `permissions: []` in
-`module.yaml` makes that explicit; the hub enforces it.
-
-## Limits in v0.1.0
-
-- **Layout-naive PDF.** Multi-column or table-heavy documents
-  may produce reordered text. Single-column body text is solid.
-- **No OCR.** Scanned (image-only) PDFs return empty text per
-  page. Pair with a future `text.ocr@^0` step for those.
-- **DOCX-only Office.** `.doc` (legacy binary), `.rtf`, `.odt`
-  are not yet supported.
-
-Bumping to `1.0.0` requires either the service-mode variant
-(pdfium-quality output + layout) or a confirmed-good extraction
-score on a representative corpus.
-
-## Example flow
-
-```yaml
-name: extract-anonymise
-inputs:
-  document: bytes
-steps:
-  - id: extract
-    use: text.extract@^0
-    with:
-      document: $inputs.document
-  - id: redact
-    use: text.anonymize@^0
-    with:
-      text: $extract.extracted.pages[*].text
-outputs:
-  redacted: $redact.anonymized
-```
-
-## Build
-
-```bash
-cargo build --release --target wasm32-wasip2
-# Output: target/wasm32-wasip2/release/text_extract.wasm
-```

module.yaml

@@ -29,13 +29,3 @@ outputs:
 # zip, quick-xml). No filesystem, no network. The empty list makes
 # this explicit; the hub enforces it.
 permissions: []
-
-# MIME-type allow-list for the `document` input. Studio reads this
-# through ModuleInfoResponse.accepts_mime and uses it as the OS
-# file-picker filter so operators don't accidentally pick a `.png`
-# for a PDF-extract step. Same list documented inline next to
-# `inputs.document` above; kept synchronised by hand for now.
-accepts_mime:
-  - application/pdf
-  - application/x-pdf
-  - application/vnd.openxmlformats-officedocument.wordprocessingml.document