原始文档元数据

文件格式元数据的唯一提取实现归 DocVortex。Doclib 入库通过 docvortex.extract_metadata() 获取标题、作者、主题、关键词、语言和计数；MinerU 各解析入口使用相同接口，并通过 Model/Middle JSON 的可选 metadata.document 传递完整属性。

源属性在 PDF 选页重写之前保存；其中 page_count_kind 区分物理页、声明布局页和结构单位， 不应把选页数量、幻灯片数或工作表数当作整本 PDF 页数。Doclib 调度页数保留原有产品语义。 图片转 PDF 不在本次范围内提取 EXIF，也不将转换器生成的信息冒充原图属性。

metadata.producer 仍是 JSON 生产者，原文件生成软件位于 metadata.document。 JSON 协议保持 2.0；旧数据缺少新字段仍可读取，但旧版严格读取器需要先升级。 完整扩展信息保存在解析 JSON 中，不增加数据库列或详情 API 字段，不强制回填旧缓存。

Doclib 仅负责数据库映射、截断和调度。作者以 ; 拼接，关键词以 , 拼接，语言取首项。 解析完成后非空源属性更新现有列及 FTS 标题作者，不按推理 tier 判断源属性质量，也不清空旧值。 元数据不同的缓存批次保持原有不合并规则。

当前依赖范围以 pyproject.toml 为准。源元数据接口由 DocVortex 提供；使用与发布版本约束一致的环境验证集成。