From 5f58589c2e14b0289096cecf2e1b884c37643982 Mon Sep 17 00:00:00 2001
From: dschlueter <dschlueter@kitux.de>
Date: Mon, 5 Oct 2026 20:47:40 +0200
Subject: [PATCH] =?UTF-8?q?feat:=20Leerzeichen=20zwischen=20aneinandersto?=
 =?UTF-8?q?=C3=9Fenden=20Feld-Spans=20(QA=20R4)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Zwei <span>-Geschwister mit unterschiedlichen Klassen, ohne Text
dazwischen und mit Großbuchstabe oder Ziffer rechts bekommen ein
trennendes Leerzeichen. Initialen (D|as) und Wortteile (Haupt|bahnhof)
bleiben unberührt. Im Mathebuch werden so 49 Stellen korrigiert, die
anderen drei Beispielbücher bleiben unverändert.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
---
 README.md              |  6 ++++--
 epub2md/normalize.py   | 29 +++++++++++++++++++++++++++++
 tests/test_chapters.py | 12 ++++++++++++
 3 files changed, 45 insertions(+), 2 deletions(-)

diff --git a/README.md b/README.md
index fa95893..0e8650e 100644
--- a/README.md
+++ b/README.md
@@ -343,8 +343,10 @@ Verlustfreiheit behauptet (`lossless: false`).
 
 - 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).
+- Aneinanderstoßende Feld-Spans ohne Leerraum (z. B. Autor | Titel | Reihe in Springer-Kapitelköpfen)
+  erhalten ein trennendes Leerzeichen. Das gilt nur bei unterschiedlichen Klassen und wenn rechts ein
+  Großbuchstabe oder eine Ziffer folgt. Andere direkt aneinanderstoßende Inline-Elemente bleiben
+  unverändert, damit Initialen und Wortteile nicht zerrissen werden.
 - Fehlerhafte Einrückungen der Vorlage werden zeichengetreu übernommen. Druck-Fortsetzungszeichen
   (`↪`/`➥`) am Zeilenanfang werden dagegen standardmäßig aufgelöst (siehe `--keep-wrap-markers`).
 - Formelbilder ohne TeX-Alternativtext bleiben Bilder.
diff --git a/epub2md/normalize.py b/epub2md/normalize.py
index 886c9b0..6152766 100644
--- a/epub2md/normalize.py
+++ b/epub2md/normalize.py
@@ -102,6 +102,35 @@ def normalize_doc(doc: Doc, diag: Diagnostics, title_tables: bool) -> None:
             doc.toc_ids.update(e.get("id") for e in iter_elements(el) if e.get("id"))
             remove_keep_tail(el)
             diag.info("html-toc-removed", "HTML-Inhaltsverzeichnis entfernt (ersetzt durch README.md).", doc.path)
+    separated = _separate_field_spans(body)
+    if separated:
+        diag.info("inline-separator-added",
+                  f"{separated} Leerzeichen zwischen aneinanderstoßenden Feld-Spans eingefügt.", doc.path)
+
+
+def _separate_field_spans(body: Any) -> int:
+    """Insert a space between adjacent class-styled <span> "fields" that touch without whitespace.
+
+    Publishers sometimes lay out metadata as sibling spans (author | title | series) separated only by
+    CSS. Narrow rule to keep drop caps ("D|as") and split words ("Haupt|bahnhof") intact: both spans
+    carry different classes, no text between them, both have >= 2 characters and the right one starts
+    with an uppercase letter or digit.
+    """
+    count = 0
+    for parent in iter_elements(body):
+        children = [c for c in parent if is_element(c)]
+        for left, right in zip(children, children[1:]):
+            if local(left.tag) != "span" or local(right.tag) != "span" or left.getnext() is not right:
+                continue
+            if left.tail or not classes(left) or not classes(right) or classes(left) == classes(right):
+                continue
+            lt, rt = text_content(left), text_content(right)
+            if len(lt.strip()) < 2 or len(rt.strip()) < 2 or lt[-1].isspace() or rt[0].isspace():
+                continue
+            if rt[0].isupper() or rt[0].isdigit():
+                left.tail = " "
+                count += 1
+    return count
 
 
 def _attached(el: Any, body: Any) -> bool:
diff --git a/tests/test_chapters.py b/tests/test_chapters.py
index f123df0..7c1712b 100644
--- a/tests/test_chapters.py
+++ b/tests/test_chapters.py
@@ -152,3 +152,15 @@ def test_titles_derived_from_content_when_no_other_source(convert):
     assert "cover" in types["chapters/001-cover.md"]
     assert "titlepage" in types["chapters/002-titelseite.md"]
     assert "colophon" in types["chapters/003-impressum.md"]
+
+
+def test_adjacent_field_spans_get_a_separator(convert):
+    body = ('<h1>K</h1><div class="ContextInformation"><span class="Names">J. Liesen, V. Mehrmann</span>'
+            '<span class="BookTitles"><span class="BookTitle">Lineare Algebra</span></span>'
+            '<span class="Series">Springer Studium</span></div>'
+            '<p><span class="dropcap">D</span><span class="rest">as Wetter</span> war schlecht.</p>'
+            '<p><span class="a">Haupt</span><span class="b">bahnhof</span> und x<sub>i</sub>.</p>')
+    text = convert(Book(docs=[Doc("c.xhtml", body)])).chapter("001")
+    assert "J. Liesen, V. Mehrmann Lineare Algebra Springer Studium" in text
+    assert "Das Wetter war schlecht." in text
+    assert "Hauptbahnhof und x<sub>i</sub>." in text