Exponer como Herramienta CLI y soporte para Docker

[dreglad]

Este PR introduce la capacidad de usar como herramienta de línea de comandos (CLI) y soporte oficial para Docker.

Estas adiciones facilitan el uso de la herramienta como un proceso independiente auto-ejecutable y no solo como una librería de PHP.

Cambios Propuestos

1. Script Ejecutable CLI en bin/csf-scraper que permite obtener datos de una Constancia de Situación Fiscal (CSF) directamente desde la terminal a partir de un archivo PDF local/descargable o de una combinación de idCIF y RFC.

2. JSON Schema en docs/schemas/csf.schema.json. Descripción formal de la estructura del JSON esperado, útil para documentación y para validación dinámica de la salida. La herramienta CLI muestra este schema con el comando schema.

3. Infraestructura Docker. Se añade Dockerfile y workflow CI/CD para hacer build y push a registry, inspirado en el repositorio: https://github.com/phpcfdi/cfditopdf

4. Documentación. Se añadió la sección "Uso con Docker" en README.md con ejemplos prácticos.

5. Tests. Se actualizaron tests unitarios y se añadió un test de integración de la interfaz de la herramienta CLI

Otros ajustes menores

• Se añade timeout predeterminado a las consultas HTTP al SAT, ya que anteriormente el proceso potencialmente podía colgadarse por tiempo indeterminado.
• Se añade flag -nopgbrk a pdftotext para compatibilidad con Poppler (corrige falla en versiones recientes de Poppler, sin alterar comportamiento en versiones anteriores)

Invocación

$ bin/csf-scrapper help

Uso: csf-scraper <comando> [argumentos]

Comandos:
  obtain <id-cif> <rfc>     - Obtener datos por ID CIF y RFC
  obtain <archivo|url|->    - Obtener datos desde un archivo PDF local, URL o stdin con "-"
  schema                    - Muestra el esquema JSON de la salida
  help                      - Muestra este mensaje de ayuda

Ejemplos:
  csf-scraper obtain 14111045399 UNA2907227Y5
  csf-scraper obtain ./constancia.pdf
  csf-scraper obtain https://siafweb.ib.unam.mx/CSF.pdf
  cat ./constancia.pdf | csf-scraper obtain -
  csf-scraper schema

[dreglad]

Para hacer una prueba rápida con la imagen en mi Docker Hub personal, usando un PDF de un CSF descargable público:

docker run --rm \
  dreglad/csf-scraper \
  obtain https://siafweb.ib.unam.mx/CSF.pdf

{
    "razon_social": "UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO",
    "regimen_de_capital": "SIN TIPO DE SOCIEDAD",
    "fecha_constitucion": {
        "date": "1929-07-22 00:00:00.000000",
        "timezone_type": 3,
        "timezone": "UTC"
    },
    "rfc": "UNA2907227Y5",
    // ...,
    // etcétera
}

Combinado con jq se pueden componer transformaciones muy útiles:

Imprime solo el RFC

docker run --rm \
  dreglad/csf-scraper \
  obtain https://siafweb.ib.unam.mx/CSF.pdf | jq -r .rfc

UNA2907227Y5

Lista de ID y descripción de cada regimen:

$ cat ~/csf.pdf \
    | docker run --rm -i dreglad/csf-scraper obtain - \
    | jq -r '.regimenes[] | "\(.regimen_id) - \(.regimen)"'

605 - Régimen de Sueldos y Salarios e Ingresos Asimilados a Salarios
612 - Régimen de las Personas Físicas con Actividades Empresariales y Profesionales