Extrator de fórmulas PDF (LaTeX / MathML / MathJax, numeração AMS preservada)

Princípio: em PDFs gerados por LaTeX, as fórmulas são codificadas como execuções de texto em fontes matemáticas dedicadas (itálico CMMI, símbolos CMSY/CMEX, MSAM/MSBM); a ferramenta lê os nomes reais das fontes via lista de operadores do pdf.js (removendo o prefixo de subconjunto), combina blocos Unicode matemáticos, deslocamentos de linha de base (super/subscritos) e pares de linhas alinhadas verticalmente (frações); os números (N)/(Na) da margem direita são preservados segundo equation/subequations do amsmath. Cada LaTeX é validado pelo temml e gera MathML de apresentação (MathJax v3 aceita MathML diretamente). Limitações: PDFs escaneados sem camada de texto são rejeitados (OCR prévio necessário); matrizes complexas e ambientes multilinha são reconstrução best-effort.