feat: Titel überschriftsloser Seiten aus dem Inhalt ableiten (QA R3)

Seiten ohne Überschrift, NAV-Eintrag und <title> werden am Inhalt erkannt:
- Bild am Buchanfang -> Cover
- Buchtitel und Autor -> Titelseite
- ©/ISBN/urheberrechtlich -> Impressum
- sonst die ersten acht Wörter
Erst danach greift der Dateiname. Im Roman-Beispiel werden aus
cinnertitle/cimprint so 'Titelseite' und 'Impressum'.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

BEDIENUNGSANLEITUNG.md

@@ -313,9 +313,9 @@ Nein. Das Programm arbeitet vollständig offline und greift nicht aufs Netz zu.
 **Wird das Original-E-Book verändert?**
 Nein, es wird nur gelesen. Mit `--copy-original` wird zusätzlich eine Kopie in den Ausgabeordner gelegt.
 
-**Warum heißen manche Kapiteldateien seltsam (z. B. `cinnertitle`)?**
-Manche E-Book-Seiten (Titelseite, Impressum) haben weder Überschrift noch Titel. Dann wird der
-interne Dateiname verwendet.
+**Warum heißen manche Kapiteldateien „Titelseite“, „Impressum“ oder nach ihren ersten Wörtern?**
+Manche E-Book-Seiten haben weder Überschrift noch Titel. Das Programm erkennt sie dann am Inhalt.
+Gelingt das nicht, werden die ersten Wörter der Seite verwendet, nur im Notfall der interne Dateiname.
 
 **Warum ist ein Codebeispiel falsch eingerückt?**
 So steht es im E-Book selbst (Satzfehler des Verlags). Der Code wird bewusst zeichengetreu

README.md

@@ -159,7 +159,12 @@ output/mein-buch/
 3. Eine XHTML-Datei, die nur mit einer tieferen Überschrift beginnt (z. B. eine Datei pro Abschnitt
    `1.2`), wird an das laufende Kapitel angehängt.
 4. Dateien ohne Überschrift (Cover, Titelei, Widmung) werden eigene Kapitel. Ihr Titel kommt aus
-   NAV/NCX, `<title>`, `epub:type` oder dem Dateinamen.
+   NAV/NCX, `<title>` oder `epub:type`. Fehlt all das, entscheidet der Inhalt:
+   - nur ein Bild am Buchanfang → „Cover“
+   - Buchtitel und Autorenname → „Titelseite“
+   - ©/ISBN/„urheberrechtlich“ → „Impressum“
+   - sonst die ersten acht Wörter
+   - erst als letzte Notlösung der Dateiname
 5. Ein HTML-Inhaltsverzeichnis wird übersprungen, wenn NAV/NCX vorhanden ist (keine doppelte Ausgabe).
    Links darauf zeigen auf `README.md`.
 6. Überschriftenebenen werden je Datei verschoben: Der Kapiteltitel ist `#`, alle weiteren beginnen bei `##`.
@@ -336,8 +341,8 @@ Verlustfreiheit behauptet (`lossless: false`).
 
 ## Bekannte Einschränkungen
 
-- Überschriftslose Dokumente ohne NAV-Eintrag und ohne `<title>` werden nach dem Dateinamen benannt
-  (z. B. `cinnertitle`).
+- Titel überschriftsloser Seiten werden aus dem Inhalt abgeleitet (Cover, Titelseite, Impressum, erste
+  Wörter). Das ist eine Heuristik und trifft nicht jede Seite.
 - Aneinanderstoßende Inline-Elemente, zwischen denen auch in der Quelle kein Leerraum steht, laufen
   zusammen (z. B. Autor- und Titelzeilen in Springer-Kapitelköpfen).
 - Fehlerhafte Einrückungen der Vorlage werden zeichengetreu übernommen. Druck-Fortsetzungszeichen

epub2md/chapters.py

@@ -86,9 +86,12 @@ def semantic_types(el: Any) -> list[str]:
 
 
 class ChapterBuilder:
-    def __init__(self, chapter_level: int, nav: list[NavEntry], diag: Diagnostics) -> None:
+    def __init__(self, chapter_level: int, nav: list[NavEntry], diag: Diagnostics,
+                 book_title: str = "", authors: list[str] | None = None) -> None:
         self.level = chapter_level
         self.diag = diag
+        self.book_title = book_title
+        self.author_names = _surnames(authors or [])
         self.nav_titles: dict[str, str] = {}
         self._index_nav(nav)
 
@@ -230,6 +233,10 @@ class ChapterBuilder:
                 ch.title = _type_label(types) or nav or doc.title
             else:
                 ch.title = nav or doc.title or _type_label(types)
+            if not ch.title:
+                ch.title, content_type = self._title_from_content(items, number)
+                if content_type:
+                    types.append(content_type)
             ch.title = ch.title or doc.path.rsplit("/", 1)[-1].rsplit(".", 1)[0]
             ch.synthetic_title = True
         if not doc.linear and all(not d or d == doc.path for d in ch.docs[:1]):
@@ -237,6 +244,26 @@ class ChapterBuilder:
         ch.types = list(dict.fromkeys(types))
         return ch
 
+    def _title_from_content(self, items: list[tuple[str, Any]], number: int) -> tuple[str, str]:
+        """Title for a document without heading, nav entry and <title>: classify its content."""
+        text = norm_ws(" ".join(it if isinstance(it, str) else text_content(it)
+                                for _, it in items if isinstance(it, str) or is_element(it)))
+        has_image = any(is_element(it) and any(local(e.tag) in ("img", "svg", "image") for e in iter_elements(it))
+                        for _, it in items)
+        if not text and has_image:
+            return ("Cover", "cover") if number == 1 else ("Bild", "")
+        low = text.lower()
+        if self.book_title and len(self.book_title) >= 4 and self.book_title.lower() in low \
+                and any(name.lower() in low for name in self.author_names):
+            return "Titelseite", "titlepage"
+        if re.search(r"©|\bisbn\b|copyright|urheberrechtlich|alle rechte vorbehalten|all rights reserved", low):
+            return "Impressum", "colophon"
+        words = text.split()
+        if not words:
+            return "", ""
+        short = " ".join(words[:8])
+        return (short + " …" if len(words) > 8 else short), ""
+
     def _finalize(self, ch: Chapter) -> None:
         kind = classify_title(ch.title)
         if kind and kind not in ch.types:
@@ -276,6 +303,17 @@ def leading_heading_level(item: Any) -> int:
     return 0
 
 
+def _surnames(authors: list[str]) -> list[str]:
+    """'Adler-Olsen, Jussi' -> 'Adler-Olsen'; 'Erika Musterfrau' -> 'Musterfrau'."""
+    names = []
+    for a in authors:
+        a = a.strip()
+        name = a.split(",")[0].strip() if "," in a else (a.split()[-1] if a.split() else "")
+        if len(name) >= 3:
+            names.append(name)
+    return names
+
+
 def _meaningful(items: list[tuple[str, Any]]) -> bool:
     return _first_meaningful(items) is not None
 

epub2md/pipeline.py

@@ -159,7 +159,7 @@ def _convert(reader: EpubReader, input_path: Path, output_dir: Path, opts: Optio
     # --- notes, chapters, links
     notes = collect_notes(docs, opts.footnotes, diag)
     diag.step(f"{len(notes.notes)} Anmerkungen erkannt")
-    chapters = ChapterBuilder(opts.chapter_level, package.toc, diag).build(docs)
+    chapters = ChapterBuilder(opts.chapter_level, package.toc, diag, md.title, md.authors).build(docs)
     _assign_filenames(chapters, opts.slug_language)
     readme_path = "README.md" if opts.toc else None
     resolver = LinkResolver(docs, chapters, notes, readme_path)

tests/test_chapters.py

@@ -133,3 +133,22 @@ def test_large_chapter_with_subheadings_suggests_deeper_chapter_level(convert):
     assert "--chapter-level 2" in hints[0]["message"] and "3 Unterabschnitte" in hints[0]["message"]
     small = convert(Book(docs=[Doc("t.xhtml", "<h1>Teil</h1><h2>A</h2><p>x</p><h2>B</h2><p>y</p>")]))
     assert not any(w["code"] == "chapter-large" for w in small.report["warnings"])
+
+
+def test_titles_derived_from_content_when_no_other_source(convert):
+    docs = [
+        Doc("ccover.xhtml", '<div><img src="c.png" alt=""/></div>'),
+        Doc("cinner.xhtml", "<p>Erika Musterfrau</p><p>Testbuch</p><p>Roman</p>"),
+        Doc("cimp.xhtml", "<p>© 2024 Testverlag</p><p>Das Werk ist urheberrechtlich geschützt.</p>"),
+        Doc("cwid.xhtml", "<p>Für Anna, die immer an mich geglaubt hat, und für alle anderen.</p>"),
+        Doc("c1.xhtml", "<h1>Eins</h1><p>Text</p>"),
+    ]
+    from conftest import PNG
+    run = convert(Book(docs=docs, nav=[("Eins", "c1.xhtml")], media={"c.png": PNG}))
+    names = [p.name for p in run.chapters()]
+    assert names == ["001-cover.md", "002-titelseite.md", "003-impressum.md",
+                     "004-fuer-anna-die-immer-an-mich-geglaubt-hat.md", "005-eins.md"]
+    types = {c["file"]: c["types"] for c in run.report["chapters"]}
+    assert "cover" in types["chapters/001-cover.md"]
+    assert "titlepage" in types["chapters/002-titelseite.md"]
+    assert "colophon" in types["chapters/003-impressum.md"]