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

app/api/v1/incrementables.py

@@ -117,9 +117,13 @@ async def parse_pdf(
     
     # Extract text from PDF
     try:
-        text, page_count, extraction_method = extract_text_from_pdf(pdf_bytes)
+        text, page_count, extraction_method = extract_text_from_pdf(
+            pdf_bytes,
+            enable_ocr=settings.ocr_enabled,
+            ocr_lang=settings.ocr_language
+        )
         logger.info(
-            f"Text extracted: {len(text)} characters, {page_count} pages",
+            f"Text extracted: {len(text)} characters, {page_count} pages, method: {extraction_method}",
             extra={"correlation_id": correlation_id}
         )
     except PDFExtractionError as e: