Fix OCR floating page numbers

docx_converter.py

@@ -219,6 +219,12 @@ def _paragraph_to_markdown(
     if not line:
         return ""
 
+    # Lọc bỏ các dòng chỉ chứa số trang hoặc chữ "Trang / Page" do OCR chèn nhầm
+    if line.isdigit() and len(line) <= 3:
+        return ""
+    if re.fullmatch(r"Trang\s+\d+(/\d+)?|Page\s+\d+(/\d+)?|\d+\s*-.*-.*|^\d+$", line, re.IGNORECASE):
+        return ""
+
     # Apply heading styles
     heading_level = 0
     style_lower = style_name.lower()