chore: Remove obsolete build and GUI files, and introduce a new Docker Compose setup for microservices architecture. This change streamlines the project structure by eliminating legacy scripts and integrating a PostgreSQL database service alongside extraction and cleaning services.

services/extraction/core/text_utils.py

@@ -0,0 +1,56 @@
+"""Utilidades de texto para parseo de JSON embebido y construcción de schema."""
+import re
+import json
+from typing import Optional, Dict, Any
+
+
+def extract_json_from_text(text: str) -> Optional[str]:
+  """Extrae el primer bloque JSON de un texto, con o sin fence ```json.
+
+  Devuelve la cadena JSON o None si no se encuentra.
+  """
+  # 1. Try markdown fences
+  match = re.search(r"```json\s*(.*?)\s*```", text, flags=re.DOTALL | re.IGNORECASE)
+  if match:
+    return _clean_json_string(match.group(1).strip())
+  
+  match = re.search(r"```\s*(\{[\s\S]*?\})\s*```", text, flags=re.DOTALL)
+  if match:
+    return _clean_json_string(match.group(1).strip())
+  
+  # 2. Try finding outer braces
+  start = text.find('{')
+  end = text.rfind('}')
+  if start != -1 and end != -1 and end > start:
+    candidate = text[start:end + 1].strip()
+    return _clean_json_string(candidate)
+    
+  return None
+
+
+def _clean_json_string(json_str: str) -> str:
+    """Intenta limpiar errores comunes de JSON generado por LLM."""
+    # Eliminar comas finales en objetos/listas: , } -> }  y , ] -> ]
+    # Nota: Esto es una heurística simple y puede fallar en strings que contienen esos patrones.
+    # Usamos regex conservador.
+    json_str = re.sub(r",\s*}", "}", json_str)
+    json_str = re.sub(r",\s*]", "]", json_str)
+    return json_str
+
+
+def build_schema(data: Dict[str, Any], prefix: str = "") -> Dict[str, str]:
+  """Construye un mapa ruta->tipo a partir de un dict anidado.
+
+  Para listas de dicts, usa la notación "/*/subcampo".
+  """
+  schema: Dict[str, str] = {}
+  for k, v in data.items():
+    path = f"{prefix}/{k}" if prefix else k
+    if isinstance(v, dict):
+      schema.update(build_schema(v, path))
+    elif isinstance(v, list) and v and isinstance(v[0], dict):
+      for subkey, subval in v[0].items():
+        schema[f"{path}/*/{subkey}"] = type(subval).__name__
+    else:
+      schema[path] = type(v).__name__
+  return schema