From 9fc620ad558c4af6642197971e1210d48ec97960 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Dieter=20Schl=C3=BCter?= Date: Fri, 2 Oct 2026 00:47:42 +0200 Subject: [PATCH] README: Bildformat dokumentiert Co-Authored-By: Claude Opus 5.5 --- README.md | 5 +++-- 1 file changed, 3 insertions(+), 2 deletions(-) diff --git a/README.md b/README.md index afe4a4c..070a1af 100644 --- a/README.md +++ b/README.md @@ -34,7 +34,8 @@ python3 pdf2md_v5.py --ocr-language deu+eng --jobs 8 scan.pdf scan.md | `--ocr always` / `--ocr never` (`--no-ocr`) | alle Seiten neu erkennen / keine OCR | | `--ocr-language`, `--ocr-dpi` | Tesseract-Sprache(n) (`deu`), Auflösung (300) | | `--jobs N` | parallele OCR-Prozesse (Standard 4); reine Textdokumente laufen immer sequenziell | -| `--images` | Grafiken als PNG in `_images/` speichern und verlinken | +| `--images` | Grafiken in `_images/` speichern und verlinken | +| `--image-format jpg\|png` | Bildformat (Standard jpg; png verlustfrei, aber ca. 3× größer) | | `--epub`, `--epub-file PFAD` | EPUB 3 mit pandoc erzeugen (schaltet `--images` ein) | | `--lang` | Sprache im EPUB (`de`) | | `--keep-headers`, `--keep-footers` | Kolumnentitel bzw. Seitenzahlen nicht entfernen | @@ -68,7 +69,7 @@ synthetisch erzeugt. übergroßer Glyphenbox kann pymupdf4llm einzelne Zeilen verlieren. Bei den Ljutsch-Bänden tritt das nicht auf (geprüft per Wortabgleich PDF ↔ Markdown). - OCR-Fehler (z. B. fehlende Leerzeichen) werden nicht korrigiert. -- Bilder werden als PNG gespeichert; das EPUB wird dadurch relativ groß (Band 1 ca. 13 MB). +- Bilder werden als JPEG (Qualität 95) gespeichert; EPUB Band 1 ca. 5 MB. ## Dateien