feat: initial microservices project structure

Services:
- api: FastAPI gateway with JWT auth, async endpoints, WebSocket
- worker-gpu: CUDA sentence-transformers, FAISS IVFFlat, Ollama LLM
- worker-indexer: Winnowing+MinHash plagiarism detection, PDF/DOCX extraction
- worker-notifier: SMTP email notifications
- worker-gost: GOST 7.1-2003 and GOST R 7.0.5-2008 formatting

Infrastructure:
- docker-compose.yml (production) + docker-compose.dev.yml (hot reload)
- Nginx reverse proxy + WebSocket support
- PostgreSQL 16 with Alembic migrations
- Elasticsearch 8 with Russian/English analyzers
- MinIO, RabbitMQ, Redis, Ollama

Frontend:
- React 18 + Vite + TypeScript + TailwindCSS + Zustand + React Query v5
- 9 pages: Home, Search, Cabinet, Task, Check, Bibliography, Pricing, Login, Register

Scripts:
- Parser stubs: OpenAlex, КиберЛенинка, arXiv (Phase 0 - to be filled)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

services/worker-indexer/app/extractors/pdf.py

@@ -0,0 +1,80 @@
+"""Извлечение текста из PDF файлов через PyMuPDF."""
+
+import logging
+
+logger = logging.getLogger(__name__)
+
+
+def extract_text_from_pdf(data: bytes) -> str:
+    """
+    Извлечь текст из PDF файла.
+
+    Обрабатывает многостраничные документы.
+    Удаляет лишние переносы строк и пробелы.
+
+    Args:
+        data: Байты PDF файла
+
+    Returns:
+        Извлечённый текст
+
+    Raises:
+        ValueError: Если не удалось открыть PDF
+    """
+    import fitz  # PyMuPDF
+
+    try:
+        doc = fitz.open(stream=data, filetype="pdf")
+    except Exception as e:
+        raise ValueError(f"Не удалось открыть PDF: {e}") from e
+
+    texts: list[str] = []
+
+    for page_num, page in enumerate(doc):
+        try:
+            page_text = page.get_text("text")
+            if page_text.strip():
+                texts.append(page_text)
+        except Exception as e:
+            logger.warning(f"Ошибка извлечения текста со страницы {page_num}: {e}")
+            continue
+
+    doc.close()
+
+    full_text = "\n".join(texts)
+
+    # Нормализация: убрать множественные переносы строк
+    import re
+    full_text = re.sub(r"\n{3,}", "\n\n", full_text)
+    full_text = re.sub(r"[ \t]+", " ", full_text)
+
+    return full_text.strip()
+
+
+def extract_metadata_from_pdf(data: bytes) -> dict:
+    """
+    Извлечь метаданные из PDF (title, author, subject и т.д.).
+
+    Args:
+        data: Байты PDF файла
+
+    Returns:
+        Словарь метаданных
+    """
+    import fitz
+
+    try:
+        doc = fitz.open(stream=data, filetype="pdf")
+        metadata = doc.metadata or {}
+        doc.close()
+        return {
+            "title": metadata.get("title", ""),
+            "author": metadata.get("author", ""),
+            "subject": metadata.get("subject", ""),
+            "keywords": metadata.get("keywords", ""),
+            "creator": metadata.get("creator", ""),
+            "pages": doc.page_count if hasattr(doc, "page_count") else 0,
+        }
+    except Exception as e:
+        logger.warning(f"Ошибка извлечения метаданных PDF: {e}")
+        return {}