fix: Pandoc-Weg – EPUB-Links, Formeln im EPUB, portables TeX (QA3-04 bis QA3-06)

Prüfung aller 5 Beispielbücher über die Befehle der Buch-README (HTML,
EPUB, PDF mit weasyprint und xelatex):

- QA3-04: Der EPUB-Befehl der Buch-README hatte kein --mathml; im
  Mathebuch blieben 1072 Formeln als TeX-Text. Jetzt 4904 als MathML.
- QA3-05: Kapitel-Startanker von epub2md_merge.py begannen mit einer
  Ziffer (039-…). Pandocs EPUB-Writer löst Links darauf nicht auf (C-Buch
  32, Mathebuch 20 tote Links). Jetzt kap-039-…; book.lua erkennt beide.
- QA3-06: portable_tex() passt Verlags-TeX für texmath an (\"u, \O,
  @{…} und \arraycolsep in array, leeres \displaystyle vor Zellenende).
  Mathebuch: 1 statt 9 nicht umsetzbare Formeln.
- Cover ohne Seitenzahl (print.css, book.lua).

Neue Tests: tests/test_pandoc.py (nur mit installiertem pandoc),
Parametertests für portable_tex. Andere Bücher byte-identisch.

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

CHANGELOG.md

@@ -33,6 +33,15 @@ Versionsnummern nach [Semantic Versioning](https://semver.org/lang/de/).
 
 ### Behoben
 
+- `epub2md_merge.py`: Kapitel-Startanker heißen jetzt `kap-003-name` statt `003-name`. Pandocs EPUB-Ausgabe
+  löste Links auf IDs mit führender Ziffer nicht auf (C-Buch 32, Mathebuch 20 tote Links im EPUB).
+  `pandoc/book.lua` erkennt beide Formen (QA3-05).
+- Buch-README: Der EPUB-Befehl enthält bei Büchern mit Formeln `--mathml`. Ohne blieben im Mathebuch
+  1072 Formeln als TeX-Text stehen (QA3-04).
+- TeX aus `alt`-Texten wird für Pandoc portabel gemacht (`\"u` → `ü`, `\O` → `\emptyset`, `@{…}` und
+  `\arraycolsep` in `array`, leeres `\displaystyle` vor Zellenende). Im Mathebuch kann Pandoc damit 4985 statt
+  4977 Formeln setzen; vorher blieben 9 als TeX-Text stehen (QA3-06).
+- `pandoc/print.css` und `pandoc/book.lua`: keine Seitenzahl auf dem Cover.
 - CSS-Auswertung: Es zählen nur noch Stylesheets, die ein Dokument per `<link>` (oder `@import`) einbindet.
   Bisher wirkten alle CSS-Dateien des Manifests, auch mitgelieferte Layouts anderer Buchreihen. Im C-Buch
   machte das aus fetten Buchstaben Inline-Code (`` `st`an`d`ard ``) und setzte falsche `<mark>`; eine

README.md

@@ -312,7 +312,8 @@ verwendet und das Verzeichnis gibt den Namen vor.
 Beim Zusammenfügen passiert Folgendes:
 
 - Die Frontmatter der einzelnen Kapitel wird entfernt.
-- Jedes Kapitel erhält einen Startanker (`<a id="003-kapitelname"></a>`).
+- Jedes Kapitel erhält einen Startanker (`<a id="kap-003-kapitelname"></a>`). Er beginnt mit einem Buchstaben,
+  weil Pandocs EPUB-Ausgabe Links auf IDs mit führender Ziffer nicht auflöst.
 - Links zwischen Kapiteln (`003-x.md#anker`) werden zu Sprunglinks in der Gesamtdatei.
 - Anker, die in mehreren Kapiteln vorkommen (z. B. `Sec1` in jedem Kapitel eines Springer-Buchs), werden
   ab dem zweiten Vorkommen in `c012-Sec1` umbenannt, samt aller Links darauf.
@@ -390,9 +391,8 @@ Die `README.md` eines konvertierten Buches mit Kästen enthält die Befehle bere
 **PDF immer über HTML erzeugen.** Beim direkten Weg Markdown → LaTeX verwirft Pandoc allen rohen HTML-Code.
 Dabei gehen HTML-Tabellen samt Inhalt verloren, und `<a id>`-Sprungziele fehlen, sodass interne Links im PDF
 ins Leere zeigen. Liest Pandoc dagegen die HTML-Fassung, macht es daraus echte Tabellen und Sprungziele.
-Getestet mit dem C-Buch (405 Seiten, 34 Tabellen, 728 von 755 internen Links funktionieren; die übrigen
-stehen in Codeblöcken innerhalb von Tabellen). Die `README.md` jedes konvertierten Buches enthält den
-passenden Befehl.
+Getestet mit dem C-Buch (322 Seiten, 34 Tabellen; alle 831 internen Links haben ein Ziel, kein Zeichen
+fehlt). Die `README.md` jedes konvertierten Buches enthält den passenden Befehl.
 
 Alternativ direkt aus den Kapiteldateien:
 
@@ -407,8 +407,10 @@ pandoc output/programmierbuch/chapters/*.md \
 - Ausgaben mit `--math tex` (`\(…\)`) brauchen `-f markdown+tex_math_single_backslash`.
 - Das YAML-Frontmatter jeder Kapiteldatei wird von Pandoc als Metadaten gelesen. Wer die Kapiteldateien
   direkt zusammen verarbeitet, sollte mit `--no-frontmatter` konvertieren oder die Gesamtdatei verwenden.
-- Einzelne TeX-Befehle aus EPUBs (z. B. `\O` oder `@`-Konstrukte) kennt Pandocs Formelparser nicht. Er
-  belässt sie als TeX, mit der Warnung „Could not convert TeX math“.
+- TeX aus dem E-Book wird für Pandocs Formelparser angepasst, ohne den Inhalt zu ändern: `\"u` → `ü`,
+  `\O` (leere Menge) → `\emptyset`, keine `@{…}`-Spaltentrenner und kein `\arraycolsep` in `array`, kein
+  leeres `\displaystyle` vor einem Zellenende. Seltene Handkonstruktionen (z. B. `\mathinner{…\raise…}`)
+  bleiben als TeX stehen, mit der Warnung „Could not convert TeX math“ (Mathebuch: 1 von 4986 Formeln).
 
 ## Bericht und Diagnose
 

epub2md/mathml.py

@@ -365,7 +365,54 @@ def strip_tex_delimiters(text: str) -> str:
         if t.startswith(o) and t.endswith(c) and len(t) >= len(o) + len(c):
             t = t[len(o) : len(t) - len(c)]
             break
-    return t.strip()
+    return portable_tex(t.strip())
+
+
+UMLAUTS = {"a": "ä", "o": "ö", "u": "ü", "A": "Ä", "O": "Ö", "U": "Ü"}
+
+
+def portable_tex(tex: str) -> str:
+    """Publisher TeX → TeX that Pandoc's formula parser (texmath, MathJax, KaTeX) understands, still valid LaTeX:
+    text accents \\"u → ü, \\O (empty set in Springer books) → \\emptyset, no @{…} column separators in
+    array specifications, no \\arraycolsep assignments, no empty \\displaystyle before a cell end. Only changes
+    spacing, never content."""
+    tex = re.sub(r'\\"(?:\{([aouAOU])\}|([aouAOU]))', lambda m: UMLAUTS[m.group(1) or m.group(2)], tex)
+    tex = re.sub(r"\\(?:text|mbox|mathrm)\s*\{\s*\\O\s*\}", r"\\emptyset", tex)
+    tex = re.sub(r"\\O(?![A-Za-z])", r"\\emptyset", tex)
+    tex = re.sub(r"\\arraycolsep\s*-?\d*\.?\d+\s*(?:pt|em|ex|mm|cm)", "", tex)
+    tex = re.sub(r"\\displaystyle\s*(?=\\\\|&|\\end\b)", "", tex)  # no-op before a cell end; texmath fails
+    out: list[str] = []
+    pos = 0
+    for m in re.finditer(r"\\begin\{array\}\{", tex):
+        if m.start() < pos:
+            continue
+        end = _closing_brace(tex, m.end() - 1)
+        if end < 0:
+            break
+        spec = tex[m.end():end]
+        i = spec.find("@{")
+        while i >= 0:
+            close = _closing_brace(spec, i + 1)
+            if close < 0:
+                break
+            spec = spec[:i] + spec[close + 1:]
+            i = spec.find("@{")
+        out.append(tex[pos:m.end()] + spec)
+        pos = end
+    return "".join(out) + tex[pos:]
+
+
+def _closing_brace(text: str, open_pos: int) -> int:
+    """Index of the '}' matching the '{' at ``open_pos`` (-1 if unbalanced)."""
+    depth = 0
+    for i in range(open_pos, len(text)):
+        if text[i] == "{":
+            depth += 1
+        elif text[i] == "}":
+            depth -= 1
+            if depth == 0:
+                return i
+    return -1
 
 
 def is_display_tex(text: str) -> bool:

epub2md/merge.py

@@ -188,7 +188,7 @@ def assign_anchors(chapters: list[ChapterFile]) -> int:
             for m in TOKEN.finditer(seg):
                 if m.group("attr") and m.group("aname") == "id" and m.group("avalue") not in ids:
                     ids.append(m.group("avalue"))
-        start = stems[ch.rel]
+        start = "kap-" + stems[ch.rel]  # ids must start with a letter (Pandoc's EPUB writer breaks '#039-…')
         while start in used or start in ids:
             start = "kapitel-" + start
         ch.start_anchor = start

epub2md/writer.py

@@ -157,7 +157,7 @@ def readme(md: BookMetadata, chapters: list[Chapter], endnotes: Chapter | None,
         f"python3 epub2md_merge.py {shlex.quote(output_dir)}",
         "# danach in diesem Ordner:",
         f"pandoc {md_} -s{math}{toc}{lua} -o {html_}",
-        f"pandoc {md_} --toc{lua} -o {shlex.quote(stem + '.epub')}",
+        f"pandoc {md_} --toc{math}{lua} -o {shlex.quote(stem + '.epub')}",
     ] + (latex + weasy if math else weasy + latex)
     out.append("## Weiterverarbeitung")
     out.append("```bash\n" + "\n".join(commands) + "\n```")
@@ -166,7 +166,7 @@ def readme(md: BookMetadata, chapters: list[Chapter], endnotes: Chapter | None,
         out.append(f"Das Buch enthält {callouts} {noun} (`> [!TIP]` …). Der Filter `callouts.lua` macht daraus "
                    "in HTML, EPUB und PDF gerahmte Kästen mit Titel; ohne ihn zeigt Pandoc „[!TIP]“ als Text.")
     if stats.get("formulas"):
-        out.append("Das Buch enthält Formeln: Für HTML `--mathml` (oder `--mathjax`) verwenden, sonst belässt "
+        out.append("Das Buch enthält Formeln: Für HTML und EPUB `--mathml` (bei HTML auch `--mathjax`) verwenden, sonst belässt "
                    "Pandoc Matrizen und ähnliche Konstrukte als TeX-Text.")
     out.append("## Reproduktion")
     out.append("```bash\n" + " ".join(shlex.quote(c) for c in command) + "\n```")

pandoc/book.lua

@@ -11,7 +11,7 @@ This filter, for HTML output:
   * builds the table of contents at the placeholder (use it INSTEAD of --toc; --toc-depth is honoured),
   * drops Pandoc's title block when the book has its own title page, or moves it to the placeholder,
   * shows the cover (first chapter with nothing but one picture) without the caption "Cover",
-  * turns the chapter anchors <a id="001-…"></a> into <div class="chapter-start"> so that print.css can
+  * turns the chapter anchors <a id="kap-001-…"></a> into <div class="chapter-start"> so that print.css can
     start every chapter – including cover, title page and imprint – on a new page.
 
 For LaTeX (PDF route md -> html -> pdf, filter in BOTH steps, no --toc) the table of contents becomes
@@ -55,7 +55,7 @@ local function title_block(meta)
   return pandoc.RawBlock("html", table.concat(html, "\n"))
 end
 
--- Paragraph that only holds chapter start anchors (<a id="001-cover"></a>) → id of the first one.
+-- Paragraph that only holds chapter start anchors (<a id="kap-001-cover"></a>) → id of the first one.
 local function chapter_anchor(block)
   if block.t ~= "Para" and block.t ~= "Plain" then
     return nil
@@ -65,7 +65,8 @@ local function chapter_anchor(block)
     if inl.t ~= "RawInline" then
       return nil
     end
-    local found = inl.text:match('^<a id="(%d%d%d%-[^"]*)">$') or inl.text:match('^<a id="(%d%d%d%-[^"]*)"></a>$')
+    local found = inl.text:match('^<a id="(kap%-%d%d%d%-[^"]*)">$') or inl.text:match('^<a id="(kap%-%d%d%d%-[^"]*)"></a>$')
+      or inl.text:match('^<a id="(%d%d%d%-[^"]*)">$') or inl.text:match('^<a id="(%d%d%d%-[^"]*)"></a>$')  -- before 0.2.1
     if found then
       id = id or found
     elseif inl.text ~= "</a>" then
@@ -143,6 +144,7 @@ local function latex_book(doc)
       blocks:insert(pandoc.RawBlock("latex", "\\clearpage"))
       blocks:insert(block)
     elseif block.t == "Div" and block.classes:includes("cover") then
+      blocks:insert(pandoc.RawBlock("latex", "\\thispagestyle{empty}")) -- no page number on the cover
       blocks:insert(block:walk({ Image = function(img) -- cover as large as the page allows
         img.attributes.width = nil
         img.attributes.height = "20cm"

pandoc/print.css

@@ -3,6 +3,7 @@
      --pdf-engine=weasyprint -o buch.pdf
    book.lua places the table of contents after cover, title page and imprint and marks chapter starts. */
 @page { size: A4; margin: 2cm 1.8cm; @bottom-center { content: counter(page); font-size: 9pt; } }
+@page :first { @bottom-center { content: none; } }  /* no page number on the cover / title page */
 body { max-width: none; font-size: 10.5pt; line-height: 1.4; hyphens: auto; text-align: justify;
   font-family: "DejaVu Serif", "Liberation Serif", Georgia, serif; }
 #title-block-header, #title-block-header h1.title { text-align: center; margin-bottom: 2em; }

tests/test_math.py

@@ -2,7 +2,7 @@ import pytest
 from lxml import etree
 
 from conftest import PNG, SVG, Book, Doc
-from epub2md.mathml import Unsupported, mathml_to_tex
+from epub2md.mathml import Unsupported, mathml_to_tex, portable_tex
 
 M = 'xmlns="http://www.w3.org/1998/Math/MathML"'
 
@@ -111,6 +111,24 @@ def test_book_readme_suggests_mathml_for_pandoc_only_with_formulas(convert):
     readme = (run.out / "README.md").read_text(encoding="utf-8")
     assert "## Weiterverarbeitung" in readme and "epub2md_merge.py" in readme
     assert "--mathml" in readme
+    pandoc_lines = [ln for ln in readme.splitlines() if ln.startswith("pandoc ")]
+    assert pandoc_lines and all("--mathml" in ln for ln in pandoc_lines)  # EPUB too, else TeX stays text (QA3-04)
     plain = convert(Book(docs=[Doc("a.xhtml", "<h1>A</h1><p>Text</p>")]))
     plain_readme = (plain.out / "README.md").read_text(encoding="utf-8")
     assert "## Weiterverarbeitung" in plain_readme and "--mathml" not in plain_readme
+
+
+@pytest.mark.parametrize("tex,expected", [
+    (r'\mbox{gr\"un}, \text{F\"{u}r}', r"\mbox{grün}, \text{Für}"),
+    (r'\text{ f{\"u}r } j', r"\text{ f{ü}r } j"),  # braces stay balanced
+    (r"{\mathscr L}(A,b)={{\O }}", r"{\mathscr L}(A,b)={{\emptyset }}"),
+    (r"M\cap N=\text{\O }", r"M\cap N=\emptyset"),
+    (r"\Omega\neq\O", r"\Omega\neq\emptyset"),
+    (r"\begin{array}{@{}l@{\qquad \quad }l@{}} a & b\end{array}", r"\begin{array}{ll} a & b\end{array}"),
+    (r"\arraycolsep8pt\begin{array}{c@{\,}r} x\end{array}", r"\begin{array}{cr} x\end{array}"),
+    (r"a & =&\displaystyle b, \\ & \vdots &\displaystyle \\ c", r"a & =&\displaystyle b, \\ & \vdots &\\ c"),
+    (r"\frac{a}{b}+\{x\}", r"\frac{a}{b}+\{x\}"),
+])
+def test_publisher_tex_is_made_portable(tex, expected):
+    """Pandoc's texmath rejects \\", \\O, @{…} and \\arraycolsep (Springer alt texts, QA3-06)."""
+    assert portable_tex(tex) == expected

tests/test_merge.py

@@ -34,10 +34,10 @@ def test_merge_complete_book(convert, tmp_path):
     # links between chapters point into the merged file; colliding id "sec" renamed in chapter B
     assert '<a id="sec"></a>' in text and '<a id="c002-sec"></a>' in text
     assert "[B](#c002-sec)" in text and "[A](#sec)" in text and "[hier](#sec)" in text
-    assert "[Kapitel B](#002-kapitel-b)" in text and '<a id="002-kapitel-b"></a>' in text
+    assert "[Kapitel B](#kap-002-kapitel-b)" in text and '<a id="kap-002-kapitel-b"></a>' in text
     # media paths relative to the merged file, also inside image links
     assert "![Bild](media/images/0001-bild.png)" in text
-    assert "[![Bildlink](media/images/0001-bild.png)](#002-kapitel-b)" in text
+    assert "[![Bildlink](media/images/0001-bild.png)](#kap-002-kapitel-b)" in text
     # code untouched
     assert '[kein](link.md) id="sec" `code`' in text
     # footnote defined in both chapters -> only once in the merged file
@@ -63,8 +63,8 @@ def test_merge_to_other_location_rewrites_media_paths(convert, tmp_path):
     text = target.read_text(encoding="utf-8")
     assert not text.startswith("---")
     assert f"![Bild](../{run.out.name}/media/images/0001-bild.png)" in text
-    assert "1. [Kapitel A](#001-kapitel-a)" in text
-    assert "001-kapitel-a" in anchors_in(text)
+    assert "1. [Kapitel A](#kap-001-kapitel-a)" in text
+    assert "kap-001-kapitel-a" in anchors_in(text)
 
 
 def test_merge_invalid_directory(tmp_path):

tests/test_pandoc.py

@@ -0,0 +1,60 @@
+"""Pandoc path: merged file → EPUB/HTML with the filters from pandoc/ (skipped without pandoc)."""
+
+import re
+import shutil
+import subprocess
+import zipfile
+from pathlib import Path
+
+import pytest
+
+from conftest import Book, Doc
+from epub2md.merge import main as merge_main
+
+pytestmark = pytest.mark.skipif(shutil.which("pandoc") is None, reason="pandoc nicht installiert")
+FILTERS = Path(__file__).resolve().parent.parent / "pandoc"
+
+
+def merged(convert, book: Book) -> Path:
+    run = convert(book)
+    assert merge_main([str(run.out)]) == 0
+    return run.out / f"{run.report['input']['name'][:-5]}.md"
+
+
+def pandoc(md: Path, *args: str) -> subprocess.CompletedProcess:
+    return subprocess.run(["pandoc", md.name, *args], cwd=md.parent, capture_output=True, text=True, check=True)
+
+
+def links_and_ids(epub: Path) -> tuple[list[tuple[str, str]], dict[str, set[str]]]:
+    with zipfile.ZipFile(epub) as z:
+        docs = {n: z.read(n).decode("utf-8") for n in z.namelist() if n.endswith(".xhtml")}
+    ids = {n: set(re.findall(r'\bid="([^"]+)"', t)) for n, t in docs.items()}
+    links = [(n, h) for n, t in docs.items() for h in re.findall(r'href="([^"]+)"', t)
+             if not re.match(r"^[a-z]+:", h) and not h.endswith(".css")]
+    return links, ids
+
+
+def test_epub_links_to_chapter_starts_resolve(convert):
+    """Chapter start anchors must begin with a letter: Pandoc's EPUB writer breaks '#039-…' (QA3-05)."""
+    docs = [Doc("a.xhtml", '<h1>Kapitel A</h1><p>Siehe <a href="b.xhtml">Kapitel B</a> und <a href="c.xhtml">Bild</a>.</p>'),
+            Doc("b.xhtml", "<h1>Kapitel B</h1><p>Text B.</p>"),
+            Doc("c.xhtml", "<p>Nur eine Bildseite ohne Überschrift.</p>")]
+    md = merged(convert, Book(docs=docs))
+    pandoc(md, "--toc", "-o", "buch.epub")
+    links, ids = links_and_ids(md.parent / "buch.epub")
+    broken = []
+    for doc, href in links:
+        file, _, frag = href.partition("#")
+        target = str(Path(doc).parent / file).replace("\\", "/") if file else doc
+        target = re.sub(r"[^/]+/\.\./", "", target)
+        if target not in ids or (frag and frag not in ids[target]):
+            broken.append(f"{doc}: {href}")
+    assert not broken
+
+
+def test_book_filter_turns_chapter_anchors_into_chapter_starts(convert):
+    docs = [Doc("a.xhtml", "<h1>Kapitel A</h1><p>a</p>"), Doc("b.xhtml", "<h1>Kapitel B</h1><p>b</p>")]
+    md = merged(convert, Book(docs=docs))
+    html = pandoc(md, "-s", "--lua-filter", str(FILTERS / "book.lua"), "-t", "html").stdout
+    assert html.count('class="chapter-start"') == 2
+    assert 'id="TOC"' in html and "Kapitel B" in html