URLs als anklickbare Links, zerbrochene URLs reparieren

- load_link_uris: Linkziele aus den Link-Annotationen der PDF lesen
- link_urls: URLs als Autolink <https://…> schreiben; beim Zeilenumbruch
  zerbrochene URLs mit den Linkzielen abgleichen (tolerant gegenüber
  Bindestrichen, Leerraum, "/" am Ende, Abfrageteil, .html) und
  utm-Parameter entfernen; ohne Linkziel aus dem gedruckten Text
  zusammensetzen
- Bindestrich am Zeilenende innerhalb einer URL bleibt erhalten
- pandoc liest mit +autolink_bare_uris
- Tests, README, Bedienungsanleitung und TODO ergänzt

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

tests/test_normalize.py

@@ -326,3 +326,78 @@ def test_make_image_links_relative(tmp_path, monkeypatch):
         "![](buch_images/a.jpg)\n\n![](buch_images/b.jpg)\n\n"
         "![](https://example.org/c.jpg)\n"
     )
+
+
+# --- Links -------------------------------------------------------------------------
+
+def test_link_urls_repairs_broken_urls_with_pdf_targets():
+    uris = [
+        "https://www.theeuropean.de/insa-umfrage-deutsche-sehen/",
+        "https://www.fsm.de/en/fsm/netzdg/",
+    ]
+    md = (
+        "Quelle: https://www.theeuropean.de/insa-umfrage-deutschesehen/.\n"
+        "Siehe https://www.fsm.de/en/fsm/ netzdg/. Danach Text.\n"
+    )
+    assert p.link_urls(md, uris) == (
+        "Quelle: <https://www.theeuropean.de/insa-umfrage-deutsche-sehen/>.\n"
+        "Siehe <https://www.fsm.de/en/fsm/netzdg/>. Danach Text.\n"
+    )
+
+
+def test_link_urls_without_pdf_targets():
+    md = "Mehr unter https://example.org/a_b, www.example.org und (https://x.de/y).\n"
+    assert p.link_urls(md) == (
+        "Mehr unter <https://example.org/a_b>, [www.example.org](https://www.example.org)"
+        " und (<https://x.de/y>).\n"
+    )
+
+
+def test_link_urls_leaves_images_and_existing_links_alone():
+    md = "![](bilder/x.jpg)\n\n<https://a.de/> und [b](https://b.de/)\n"
+    assert p.link_urls(md) == md
+
+
+def test_pymupdf4llm_patch_keeps_hyphen_inside_url():
+    spans = [
+        {"text": "Siehe https://a.de/umfrage-deutsche-", "flags": 0, "char_flags": 16,
+         "font": "x", "block": 0, "line": 0},
+        {"text": "sehen/ und mehr.", "flags": 0, "char_flags": 16, "font": "x",
+         "block": 0, "line": 1},
+    ]
+    output, _ = p.document_layout.get_styled_text(spans)
+    assert output.strip() == "Siehe https://a.de/umfrage-deutsche-sehen/ und mehr."
+
+
+def test_load_link_uris():
+    doc = pymupdf.open()
+    page = doc.new_page()
+    for uri in ("https://a.de/x", "mailto:a@b.de", "https://a.de/x"):
+        page.insert_link({"kind": pymupdf.LINK_URI, "from": pymupdf.Rect(0, 0, 10, 10),
+                          "uri": uri})
+    doc = pymupdf.open("pdf", doc.tobytes())
+    assert p.load_link_uris(doc) == ["https://a.de/x"]
+
+
+def test_link_urls_tolerates_printed_variants():
+    uris = [
+        "https://a.de/artikel?utm_source=chatgpt.com",
+        "https://b.de/news/Gesetz-Kritik-3718401.html",
+        "https://c.de/seite",
+    ]
+    md = "Siehe https://a.de/artikel/, https://b.de/news/ Gesetz-Kritik-3718401 und https://c.de/seite/.\n"
+    assert p.link_urls(md, uris) == (
+        "Siehe <https://a.de/artikel>, <https://b.de/news/Gesetz-Kritik-3718401.html> und "
+        "<https://c.de/seite>.\n"
+    )
+
+
+def test_link_urls_joins_printed_continuation_without_pdf_target():
+    md = (
+        "Siehe https://a.org/digital_ dispatches/towards-x/. und https://b.de/ "
+        "Docs/artikel. html. Oder https://c.de/ und mehr.\n"
+    )
+    assert p.link_urls(md) == (
+        "Siehe <https://a.org/digital_dispatches/towards-x/>. und "
+        "<https://b.de/Docs/artikel.html>. Oder <https://c.de/> und mehr.\n"
+    )