--keep-lines für Gedichtbände, OCR-Neuerkennung repariert, OCR-Rauschen entfernen

- --ocr always / schiefe OCR-Ebenen: alte unsichtbare Textebene vor der
  OCR entfernen (nur in der Kopie im Speicher); vorher blieb der alte
  Text erhalten bzw. stand doppelt da ("bliht" statt "blüht")
- --keep-lines: jede PDF-Zeile bleibt eine Zeile, Strophen als Absätze,
  Einrückungen bleiben, nichts wird zusammengefügt (auch keine Trennung)
- OCR-Text selbst erkennen (unsichtbar, wie pymupdf4llm 1.28 intern);
  Buchkante "|" entfernen, Rauschzeilen und Fetzen neben dem Textbereich
  verwerfen, Zeilen mit verschiedenen Grundlinien trennen, Überschriften
  ohne Buchstaben/Ziffern verwerfen
- Fraktur: frk+deu dokumentiert, Grenzen in TODO
- Tests: Scan mit falscher OCR-Ebene, Gedicht in schmaler Spalte,
  OCR-Rauschen; README, Bedienungsanleitung, TODO

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

tests/test_e2e.py

@@ -81,6 +81,22 @@ def test_existing_ocr_layer_is_reused(pdfs, tmp_path, digital_md):
     assert ratio >= 0.9, ratio
 
 
+@needs_tesseract
+def test_ocr_always_replaces_bad_ocr_layer(pdfs, tmp_path, digital_md):
+    out = tmp_path / "bad_ocr.md"
+    run(pdfs["bad_ocr"], out, "--ocr", "always")
+    md = out.read_text(encoding="utf-8")
+    assert "Falscher" not in md  # alte Ebene verworfen, nicht verdoppelt
+    ratio = difflib.SequenceMatcher(None, words(digital_md), words(md), autojunk=False).ratio()
+    assert ratio >= 0.9, ratio
+
+
+def test_auto_keeps_existing_ocr_layer(pdfs, tmp_path):
+    out = tmp_path / "bad_ocr_auto.md"
+    run(pdfs["bad_ocr"], out)
+    assert "Falscher Text" in out.read_text(encoding="utf-8")
+
+
 @needs_tesseract
 def test_mixed_keeps_page_order(pdfs, tmp_path):
     out = tmp_path / "mixed.md"