feat(extractor): implement multi-engine article content extractor

- Added scripts/extract_article_contents.py for batch scraping with stealth Foxcape and triple extraction (Trafilatura, Newspaper4k, Readability)
- Created unit, integration, and E2E test suite in tests/test_extract_article_contents.py (90/90 passing)
- Updated specs/003-article-content-extractor and README.md with usage documentation and CLI contracts
- Passed ruff linting/formatting and mypy type checking cleanly

README.md

@@ -25,6 +25,10 @@
   - [Diferenciais Técnicos](#diferenciais-técnicos)
   - [Argumentos e Flags de Linha de Comando](#argumentos-e-flags-de-linha-de-comando)
   - [Exemplos Práticos de Uso](#exemplos-práticos-de-uso)
+- [3. Extrator e Parser Multimotor de Artigos](#3--extrator-e-parser-multimotor-de-artigos)
+  - [Visão Geral e Tríplice Extração](#visão-geral-e-tríplice-extração)
+  - [Argumentos e Flags CLI](#argumentos-e-flags-cli)
+  - [Exemplos de Uso](#exemplos-de-uso)
 - [Estrutura do Projeto](#-estrutura-do-projeto)
 - [Testes e Qualidade de Código](#-testes-e-qualidade-de-código)
 - [Licença](#-licença)
@@ -37,6 +41,7 @@ O **TextNLPClassifierApp** reúne ferramentas de engenharia de dados e processam
 
 1. **`classify.py`**: Motor de classificação semântica e contextual que determina o grau de aderência e inerência de um documento Markdown em relação a uma entidade alvo definida em um **ECP Snapshot (Entity Context Profile)**.
 2. **`scripts/extract_google_news.py`**: Extrator de notícias por palavra-chave, idioma e região geográfica que utiliza o motor stealth **Foxcape** (em modo headless), decodificação paralela de URLs para os links reais dos portais de notícias e feedback em tempo real.
+3. **`scripts/extract_article_contents.py`**: Extrator e parser de artigos multimotor com navegação stealth Foxcape headless e extração combinada via **Trafilatura**, **Newspaper4k** (NLP) e **Readability**, consolidando texto higienizado, autores, datas, imagens e resumos em JSON estruturado.
 
 ---
 
@@ -208,6 +213,49 @@ python scripts/extract_google_news.py -q "inteligência artificial" -s | jq '.it
 
 ---
 
+## 3. 📰 Extrator e Parser Multimotor de Artigos
+
+### Visão Geral e Tríplice Extração
+
+O script `scripts/extract_article_contents.py` lê os arquivos JSON gerados pelo extrator do Google News (ou qualquer lista contendo `items` com `url`), acessa cada página via **Foxcape** em modo stealth headless (reutilizando uma única sessão de navegador ativa com espera do evento `domcontentloaded`), e executa simultaneamente 3 motores especializados de extração:
+
+1. **Trafilatura**: Texto principal higienizado, autores, data de publicação, categorias, tags, URL canônica e payload estruturado nativo.
+2. **Newspaper4k**: Artigo completo, autores, imagens (`top_image` e galeria), resumo automático e palavras-chave (*keywords*) extraídas por NLP nativo.
+3. **Readability (`readability-lxml`)**: Miolo limpo em HTML sem anúncios ou scripts supérfluos, títulos e texto puro formatado.
+
+O JSON final consolidado é salvo em `out/` com descarte de strings HTML brutas para manter o arquivo leve e veloz.
+
+### Argumentos e Flags CLI
+
+| Parâmetro | Tipo | Padrão | Descrição |
+|---|---|---|---|
+| `-i, --input` | Caminho (obrigatório) | — | Arquivo JSON de busca de notícias (ex: `out/river_plate.json`). |
+| `-o, --output` | Caminho (opcional) | `<input_stem>_extracted.json` | Arquivo JSON de destino consolidado. |
+| `-l, --limit` | Inteiro (opcional) | Todos | Limita a quantidade máxima de notícias processadas. |
+| `--lang, --language` | String (opcional) | Do JSON / `en` | Sobrescreve o código de idioma para o NLP do Newspaper4k (ex: `pt`, `es`, `en`). |
+| `-t, --timeout` | Inteiro (opcional) | `30` | Timeout em segundos por página no Foxcape. |
+| `-s, --silent` | Flag booleana | `False` | Suprime logs informativos de progresso no `stderr`. |
+
+### Exemplos de Uso
+
+#### 1. Extração Completa Automática
+```bash
+python scripts/extract_article_contents.py -i out/river_plate.json
+# Gera automaticamente out/river_plate_extracted.json
+```
+
+#### 2. Amostragem Rápida (Limit 2 Notícias)
+```bash
+python scripts/extract_article_contents.py -i out/river_plate.json --limit 2
+```
+
+#### 3. Destino Customizado e Timeout Ajustado
+```bash
+python scripts/extract_article_contents.py -i out/petrobras_result.json -o out/petrobras_full.json --timeout 45
+```
+
+---
+
 ## 📁 Estrutura do Projeto
 
 ```text
@@ -215,19 +263,21 @@ TextNLPClassifierApp/
 ├── classify.py                     # CLI principal do Classificador de Inerência
 ├── scripts/
 │   ├── __init__.py                 # Pacote utilitário de scripts
-│   └── extract_google_news.py      # CLI de Extração de Manchetes do Google News
+│   ├── extract_google_news.py      # CLI de Extração de Manchetes do Google News
+│   └── extract_article_contents.py # CLI de Extração e Parsing Multimotor de Artigos
 ├── src/                            # Módulos centrais do classificador
 │   ├── classifier.py               # Orquestrador de classificação (Tier 1, 2, 3)
 │   ├── models.py                   # Modelos de dados e esquemas (ECPSnapshot, Decision)
 │   ├── preprocessor.py             # Normalização de texto e detecção de idioma
 │   └── adapters/                   # Adaptadores opcionais de Embeddings e LLM
 ├── specs/                          # Especificações e planos arquiteturais (Speckit)
-│   ├── 001-nlp-classifier/         # Especificações do classificador
-│   └── 002-google-news-extractor/  # Especificações do extrator de notícias
+│   ├── 001-multilingual-entity-classifier/
+│   ├── 002-google-news-extractor/
+│   └── 003-article-content-extractor/ # Specs da feature de extração multimotor
 ├── tests/                          # Suíte de testes automatizados
-│   ├── fixtures/                   # Amostras de ECP, Markdown e XML RSS
-│   ├── test_classifier.py          # Testes unitários do classificador
-│   └── test_extract_google_news.py # Testes unitários e testes E2E ao vivo
+│   ├── test_classifier.py
+│   ├── test_extract_google_news.py
+│   └── test_extract_article_contents.py # Testes do extrator de conteúdo
 ├── requirements.txt                # Dependências do projeto
 ├── pyproject.toml                  # Configurações de ferramentas (pytest, ruff, mypy)
 └── README.md                       # Documentação principal