feat: Agregar soporte OCR con Tesseract para PDFs escaneados

- Integrar Tesseract OCR para leer PDFs escaneados automáticamente
- Detectar automáticamente si el PDF tiene texto o requiere OCR
- Agregar servicio ocr_service.py con funciones de OCR
- Actualizar Dockerfile con tesseract-ocr, tesseract-ocr-spa y poppler-utils
- Agregar variables de configuración OCR (OCR_ENABLED, OCR_LANGUAGE, OCR_DPI, OCR_TIMEOUT)
- Crear endpoint de debug para ver texto extraído (/api/v1/debug/extract-text)
- Agregar scripts de instalación y prueba (install_ocr.ps1, test_ocr.py, debug_pdf.ps1)
- Documentación completa (OCR_SETUP.md, DOCKER_OCR.md, COMO_PROBAR.md)
- Actualizar docker-compose.yml con variables de entorno OCR
- Modificar pdf_text.py para usar OCR cuando sea necesario
- Actualizar requirements.txt con pytesseract, Pillow, pdf2image

README.md

@@ -6,6 +6,7 @@ Microservicio para extraer y parsear la sección de **Incrementables** de docume
 
 - ✅ **Autenticación JWT** con bcrypt
 - ✅ **Extracción de texto** con PyMuPDF y pdfplumber (fallback)
+- ✅ **OCR con Tesseract** para PDFs escaneados (detección automática)
 - ✅ **Parsing robusto** de incrementables (fletes, seguros, almacenaje, regalías)
 - ✅ **Validación de archivos** (tamaño, tipo MIME, PDF cifrado)
 - ✅ **Logging estructurado** con correlation ID
@@ -19,6 +20,34 @@ Microservicio para extraer y parsear la sección de **Incrementables** de docume
 
 - Python 3.12+
 - Docker & Docker Compose (opcional)
+- **Tesseract OCR** (para PDFs escaneados) - [Ver guía de instalación](OCR_SETUP.md)
+- **Poppler** (para conversión PDF a imagen) - Requerido solo para OCR
+
+### 🤖 OCR para PDFs Escaneados
+
+El sistema puede leer **PDFs escaneados** (imágenes) usando Tesseract OCR. La detección es automática:
+- Si el PDF tiene texto seleccionable → Extracción normal (rápido)
+- Si el PDF está escaneado → OCR automático (más lento)
+
+**Con Docker (Recomendado):**
+- ✅ Tesseract ya incluido en la imagen
+- ✅ Sin instalación adicional
+- ✅ Ver [DOCKER_OCR.md](DOCKER_OCR.md) para guía completa
+
+**Sin Docker (Instalación local):**
+```powershell
+# Windows - Ejecutar script de instalación
+.\install_ocr.ps1
+
+# O instalar manualmente - Ver OCR_SETUP.md para guía completa
+```
+
+**Verificar instalación local:**
+```bash
+python test_ocr.py
+```
+
+Ver [OCR_SETUP.md](OCR_SETUP.md) para instrucciones detalladas de instalación local.
 
 ## 🛠️ Instalación
 
@@ -42,6 +71,12 @@ JWT_SECRET=your-secret-key-change-this-in-production
 JWT_EXPIRES_MINUTES=60
 MAX_FILE_MB=10
 LOG_LEVEL=INFO
+
+# OCR Settings (ya configurado por defecto)
+OCR_ENABLED=true
+OCR_LANGUAGE=spa
+OCR_DPI=300
+OCR_TIMEOUT=300
 ```
 
 **Generar hash de contraseña:**
@@ -60,16 +95,22 @@ El servicio estará disponible en `http://localhost:9876`
 - API FastAPI: puerto 9876
 - Redis: puerto 16379
 - Celery Worker: procesamiento en background
+- **Tesseract OCR**: Incluido en el contenedor (sin instalación adicional)
 
 ### Opción 2: Sin Docker
 
-1. **Instalar dependencias del sistema** (para PyMuPDF)
+1. **Instalar dependencias del sistema**
 ```bash
 # macOS
-brew install mupdf-tools
+brew install mupdf-tools tesseract tesseract-lang
 
 # Ubuntu/Debian
-sudo apt-get install libmupdf-dev mupdf-tools
+sudo apt-get install libmupdf-dev mupdf-tools tesseract-ocr tesseract-ocr-spa poppler-utils
+
+# Windows - Ver OCR_SETUP.md para instrucciones detalladas
+# Descargar e instalar:
+# - Tesseract: https://github.com/UB-Mannheim/tesseract/wiki
+# - Poppler: https://github.com/oschwartz10612/poppler-windows/releases
 ```
 
 2. **Crear entorno virtual**