Regulation Extractor v3.0

从建筑工程规范PDF中提取条文，支持文字层提取和纯图片PDF的OCR识别，经过多轮清洗后输出高质量结构化数据。

工作流（完整Pipeline）

Step 1: 提取条文（文字层）

python scripts/extract_regulation.py <pdf_path> -o <output.json>

支持 --chapters <chapters.json> 自定义章节映射。 支持编号格式：3.1.2、3. 1. 2、4级编号 6.1.2.4，自动去除空格。

Step 2: OCR处理（纯图片PDF）