feat(infra): auto-commit con 88 cambios

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

python/functions/cybersecurity/extract_pdf_metadata.py

@@ -0,0 +1,86 @@
+"""Extrae metadatos de un PDF con pypdf (OSINT pasiva sobre documentos propios)."""
+
+from pypdf import PdfReader
+
+
+def _iso_or_raw(reader: PdfReader, getter_name: str, raw_value):
+    """Devuelve una fecha en ISO 8601 si pypdf la sabe parsear, sino el valor crudo.
+
+    pypdf expone `creation_date`/`modification_date` (datetime) ademas del
+    string crudo `/CreationDate`/`/ModDate` en formato `D:YYYYMMDDHHmmSS`.
+    """
+    try:
+        dt = getattr(reader.metadata, getter_name, None)
+    except Exception:
+        dt = None
+    if dt is not None:
+        try:
+            return dt.isoformat()
+        except Exception:
+            pass
+    return str(raw_value) if raw_value is not None else None
+
+
+def extract_pdf_metadata(pdf_path: str) -> dict:
+    """Lee los metadatos del Document Info de un PDF.
+
+    Abre el PDF con pypdf y extrae los campos estandar del diccionario de
+    informacion (titulo, autor, creador, productor, fechas) mas el numero de
+    paginas. Las fechas se devuelven en ISO 8601 cuando son parseables, en su
+    valor crudo en caso contrario. No falla si el PDF esta cifrado: captura la
+    excepcion, devuelve lo que pueda y rellena el campo `error`.
+
+    Args:
+        pdf_path: ruta al archivo PDF en disco.
+
+    Returns:
+        dict con las claves: title, author, creator, producer, creation_date,
+        mod_date, num_pages, raw (dict con todo el doc info) y error (None si
+        todo fue bien, mensaje de error en caso contrario).
+    """
+    result = {
+        "title": None,
+        "author": None,
+        "creator": None,
+        "producer": None,
+        "creation_date": None,
+        "mod_date": None,
+        "num_pages": None,
+        "raw": {},
+        "error": None,
+    }
+
+    try:
+        reader = PdfReader(pdf_path)
+
+        # PDF cifrado: intentar abrir con password vacio (caso comun).
+        if getattr(reader, "is_encrypted", False):
+            try:
+                reader.decrypt("")
+            except Exception as exc:
+                result["error"] = f"encrypted: {exc}"
+
+        try:
+            result["num_pages"] = len(reader.pages)
+        except Exception as exc:
+            result["error"] = result["error"] or f"pages: {exc}"
+
+        meta = reader.metadata
+        if meta is not None:
+            result["title"] = str(meta.title) if meta.title is not None else None
+            result["author"] = str(meta.author) if meta.author is not None else None
+            result["creator"] = str(meta.creator) if meta.creator is not None else None
+            result["producer"] = (
+                str(meta.producer) if meta.producer is not None else None
+            )
+            result["creation_date"] = _iso_or_raw(
+                reader, "creation_date", meta.get("/CreationDate")
+            )
+            result["mod_date"] = _iso_or_raw(
+                reader, "modification_date", meta.get("/ModDate")
+            )
+            result["raw"] = {str(k): str(v) for k, v in meta.items()}
+    except Exception as exc:
+        result["error"] = result["error"] or str(exc)
+
+    return result