feat(parse-pdf): #232 스캔 PDF 를 페이지 렌더링으로 OCR

`extract_dctdecode_page_image` 는 페이지의 image XObject 중 `/Filter` 가
정확히 DCTDecode 인 것 하나만 받는다. 실제 스캔본에서 흔한 CCITTFaxDecode·
JBIG2Decode·FlateDecode·JPXDecode, `[FlateDecode, DCTDecode]` 같은 체인,
Internet Archive 계열의 "배경 + /ImageMask" 분리 구조가 전부 걸러진다.

텍스트 게이트는 정상 동작했다. `needs_ocr` 판정을 통과했다는 건 "이 페이지는
스캔본이라 OCR 이 필요하다" 고 올바르게 본 것이다. 판정은 맞았고 래스터를 못
꺼냈을 뿐인데, 결과가 조용한 내용 손실이었다 — 색인은 성공으로 끝나고,
검색이 안 되는 시점에야 알게 되며, 그때 원인이 PDF 인코더라는 걸 역추적할
방법이 없다.

페이지를 렌더링한다 (`page_render::PageRenderer`, pdfium). 지원할 필터도,
고를 XObject 도 없고, 벡터와 이미지가 섞인 페이지도 리더가 보는 대로 나온다.
이슈가 지적한 "image XObject 선택이 비결정적" 문제도 이 경로에서는 성립하지
않는다.

이슈는 교체를 권했지만 렌더러 우선 + DCTDecode 폴백으로 갔다. 배포 형태
때문이다 — pdfium 은 공유 라이브러리로만 배포되고 정적 빌드가 없어서,
링크하면 CLAUDE.md 가 규정한 단일 바이너리가 깨진다. 사용자와 상의해 정했다.

  - 런타임 바인딩. 있으면 전 인코딩 커버, 없으면 오늘 동작 + 왜 건너뛰었는지.
  - `[ingest.pdf.ocr] render_library` 로 경로 지정, 비우면 로더 경로 탐색.
  - `kebab doctor` 의 `pdf_render` 가 어느 쪽인지 보고.
  - 바이너리 392.9 → 399.3 MB (+6.4 MB 글루). ldd 에 pdfium 없음.

조용한 손실을 시끄럽게 (이슈 부수 제안 2·3):

`failure_reason` 이 CLI 에서 `..` 로 버려지고 있었다. wire 이벤트는 원인을
구분해 싣는데 사람이 보는 출력이 "no DCTDecode or engine fail" 로 뭉갰다.
이제 no_renderer / render_error / ocr_error 를 구분해 찍는다.
`IngestReport.ocr_skipped_pages` 를 추가하고(additive) 사람용 요약에도
`ocr-skipped N` 으로 낸다 — stderr 한 줄로 흘리면 대량 ingest 에서 지나간다.

parser_version cascade: pdf-text-v1 → pdf-text-v2. 안 올리면 이미 색인된
스캔본에 적용되지 않는다 (파일이 안 바뀌었으니 해시가 같고 Unchanged 로
건너뛴다). 사용자가 --force-reingest 를 떠올려야만 고쳐지는 수정은 고쳐진 게
아니다. 스냅샷 둘이 따라 움직였고 바뀐 것이 파생 식별자뿐임을 확인했다 —
본문 텍스트·inlines·source_span·metadata 는 동일.

구현 중 발견: pdfium 은 동시 사용이 안전하지 않다. 테스트를 병렬로 돌리자
`double free or corruption` 으로 프로세스가 죽었고, `thread_safe` 기능만으로는
부족했다. ingest 는 PDF 를 하나씩 처리하니 오늘은 문제가 없지만 `Arc` 는
공유해도 된다고 광고하는 타입이라, `PageRenderer` 안에 뮤텍스를 두고
`RenderedPdf` 가 문서 수명 동안 잡게 했다 (필드 선언 순서가 load-bearing —
doc 이 guard 보다 먼저 드롭돼야 한다). 지금 비용 0, 병렬화되는 날 메모리
손상 대신 대기가 된다. `set_target_width` 만 주면 긴 스캔에서 pdfium 이 C++
length_error 로 프로세스를 죽여서(exceptions 비활성 빌드라 Err 로 못 받는다)
양변을 set_maximum_* 으로 묶었다. 바인딩도 run 당 1회여야 한다.

실측 (govdocs1-000157-ccitt.pdf, 22쪽 중 1쪽이 CCITT 스캔, gemma3:4b):

                  렌더러 없음                        렌더러 있음
  OCR        ⊘ 건너뜀 — 인코딩을 읽을 수 없다    ✓ 101 chars, 6489ms
  chunk                35                              36
  글자 수            35,994                          36,095
  요약           ocr-skipped 1                        (없음)

렌더링 자체는 여섯 필터 계열 전부 확인 — CCITT / JBIG2 / Flate / JPX /
혼합(DCT+CCITT+JBIG2+Flate) / DCT, 300dpi 페이지당 40~145 ms.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_017c9JwQq8ZkGvYjpKXMiDhF

docs/wire-schema/v1/ingest_progress.schema.json

@@ -172,7 +172,7 @@
     },
     "failure_reason": {
       "type": "string",
-      "description": "pdf_ocr_finished (optional, v0.20.x): OCR failure reason. Present iff skipped=true due to engine error. Values: timeout | ocr_error | network_error | other."
+      "description": "pdf_ocr_finished: why the page was skipped. \"no_renderer\" — no page renderer configured and the page is not a single DCTDecode image, so no raster could be produced (issue #232). \"render_error\" — a renderer was configured and rasterizing failed. \"ocr_error\" — the OCR engine itself failed. Absent when the page succeeded."
     },
     "counts": {
       "type": "object",

docs/wire-schema/v1/ingest_report.schema.json

@@ -17,19 +17,41 @@
     "skipped_by_extension"
   ],
   "properties": {
-    "schema_version": { "const": "ingest_report.v1" },
-    "scope":          { "type": "object" },
-    "scanned":        { "type": "integer", "minimum": 0 },
-    "new":            { "type": "integer", "minimum": 0 },
-    "updated":        { "type": "integer", "minimum": 0 },
-    "skipped":        { "type": "integer", "minimum": 0 },
+    "schema_version": {
+      "const": "ingest_report.v1"
+    },
+    "scope": {
+      "type": "object"
+    },
+    "scanned": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "new": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "updated": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "skipped": {
+      "type": "integer",
+      "minimum": 0
+    },
     "unchanged": {
       "type": "integer",
       "minimum": 0,
       "description": "p9-fb-23: assets whose checksum + parser_version + chunker_version + embedding_version all matched the existing record. Parse / chunk / embed / vector upsert all skipped."
     },
-    "errors":         { "type": "integer", "minimum": 0 },
-    "duration_ms":    { "type": "integer", "minimum": 0 },
+    "errors": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "duration_ms": {
+      "type": "integer",
+      "minimum": 0
+    },
     "skipped_by_extension": {
       "type": "object",
       "additionalProperties": {
@@ -39,40 +61,163 @@
       "description": "p9-fb-25: per-extension skip count. Key = lowercase extension without leading dot (e.g. 'docx'). Files without extension key under '<no-ext>'."
     },
     "items": {
-      "type": ["array", "null"],
+      "type": [
+        "array",
+        "null"
+      ],
       "items": {
         "type": "object",
-        "required": ["kind", "doc_path"],
+        "required": [
+          "kind",
+          "doc_path"
+        ],
         "properties": {
-          "kind":             { "type": "string", "enum": ["new", "updated", "skipped", "unchanged", "error"] },
-          "doc_id":           { "type": ["string", "null"] },
-          "doc_path":         { "type": "string" },
-          "asset_id":         { "type": ["string", "null"] },
-          "byte_len":         { "type": ["integer", "null"], "minimum": 0 },
-          "block_count":      { "type": ["integer", "null"], "minimum": 0 },
-          "chunk_count":      { "type": ["integer", "null"], "minimum": 0 },
-          "parser_version":   { "type": ["string", "null"] },
-          "chunker_version":  { "type": ["string", "null"] },
-          "warnings":         { "type": "array", "items": { "type": "string" } },
-          "pdf_ocr_pages":    { "type": ["integer", "null"], "minimum": 0, "description": "v0.20.0 sub-item 1: number of PDF pages 가 OCR pipeline 통과. null = OCR disabled or non-PDF asset." },
-          "pdf_ocr_ms_total": { "type": ["integer", "null"], "minimum": 0, "description": "v0.20.0 sub-item 1: cumulative OCR engine wall-clock duration (ms). null = OCR disabled or non-PDF asset." },
-          "error":            { "type": ["string", "null"] }
+          "kind": {
+            "type": "string",
+            "enum": [
+              "new",
+              "updated",
+              "skipped",
+              "unchanged",
+              "error"
+            ]
+          },
+          "doc_id": {
+            "type": [
+              "string",
+              "null"
+            ]
+          },
+          "doc_path": {
+            "type": "string"
+          },
+          "asset_id": {
+            "type": [
+              "string",
+              "null"
+            ]
+          },
+          "byte_len": {
+            "type": [
+              "integer",
+              "null"
+            ],
+            "minimum": 0
+          },
+          "block_count": {
+            "type": [
+              "integer",
+              "null"
+            ],
+            "minimum": 0
+          },
+          "chunk_count": {
+            "type": [
+              "integer",
+              "null"
+            ],
+            "minimum": 0
+          },
+          "parser_version": {
+            "type": [
+              "string",
+              "null"
+            ]
+          },
+          "chunker_version": {
+            "type": [
+              "string",
+              "null"
+            ]
+          },
+          "warnings": {
+            "type": "array",
+            "items": {
+              "type": "string"
+            }
+          },
+          "pdf_ocr_pages": {
+            "type": [
+              "integer",
+              "null"
+            ],
+            "minimum": 0,
+            "description": "v0.20.0 sub-item 1: number of PDF pages 가 OCR pipeline 통과. null = OCR disabled or non-PDF asset."
+          },
+          "pdf_ocr_ms_total": {
+            "type": [
+              "integer",
+              "null"
+            ],
+            "minimum": 0,
+            "description": "v0.20.0 sub-item 1: cumulative OCR engine wall-clock duration (ms). null = OCR disabled or non-PDF asset."
+          },
+          "error": {
+            "type": [
+              "string",
+              "null"
+            ]
+          }
         }
       }
     },
-    "skipped_gitignore":         { "type": "integer", "minimum": 0 },
-    "skipped_kebabignore":       { "type": "integer", "minimum": 0 },
-    "skipped_builtin_blacklist": { "type": "integer", "minimum": 0 },
-    "skipped_generated":         { "type": "integer", "minimum": 0 },
-    "skipped_size_exceeded":     { "type": "integer", "minimum": 0 },
+    "skipped_gitignore": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "skipped_kebabignore": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "skipped_builtin_blacklist": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "skipped_generated": {
+      "type": "integer",
+      "minimum": 0
+    },
+    "skipped_size_exceeded": {
+      "type": "integer",
+      "minimum": 0
+    },
     "skip_examples": {
       "type": "object",
       "properties": {
-        "generated":         { "type": "array", "items": { "type": "string" }, "maxItems": 5 },
-        "size_exceeded":     { "type": "array", "items": { "type": "string" }, "maxItems": 5 },
-        "builtin_blacklist": { "type": "array", "items": { "type": "string" }, "maxItems": 5 },
-        "gitignore":         { "type": "array", "items": { "type": "string" }, "maxItems": 5 }
+        "generated": {
+          "type": "array",
+          "items": {
+            "type": "string"
+          },
+          "maxItems": 5
+        },
+        "size_exceeded": {
+          "type": "array",
+          "items": {
+            "type": "string"
+          },
+          "maxItems": 5
+        },
+        "builtin_blacklist": {
+          "type": "array",
+          "items": {
+            "type": "string"
+          },
+          "maxItems": 5
+        },
+        "gitignore": {
+          "type": "array",
+          "items": {
+            "type": "string"
+          },
+          "maxItems": 5
+        }
       }
+    },
+    "ocr_skipped_pages": {
+      "type": "integer",
+      "minimum": 0,
+      "description": "PDF pages the text gate classified as scans but which produced no raster to OCR, so their content is not indexed (issue #232). Additive; absent in pre-v0.33 output and read as 0."
     }
   }
 }