pdf2md.py als fester Name, v1–v4 nach History/ verschoben
- pdf2md_v5.py → pdf2md.py; Verweise in Doku und Tests angepasst - pdf2md_v1.py … pdf2md_v4.py nach History/ verschoben - ljutsch_meta.xml entfernt (nicht mehr verwendet) Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
parent
37ea397a29
commit
b4b911d37f
1 changed files with 22 additions and 49 deletions
12
README.md
12
README.md
|
|
@ -22,13 +22,13 @@ dann EPUB“: **[BEDIENUNGSANLEITUNG.md](BEDIENUNGSANLEITUNG.md)**.
|
|||
|
||||
```bash
|
||||
# digitales oder gescanntes PDF -> Markdown (OCR wird automatisch entschieden)
|
||||
python3 pdf2md_v5.py buch.pdf buch.md
|
||||
python3 pdf2md.py buch.pdf buch.md
|
||||
|
||||
# zusätzlich Bilder und EPUB (Titel/Autor aus den PDF-Metadaten, Seite 1 als Cover)
|
||||
python3 pdf2md_v5.py --epub buch.pdf buch.md
|
||||
python3 pdf2md.py --epub buch.pdf buch.md
|
||||
|
||||
# Scan in Deutsch und Englisch, 8 parallele OCR-Prozesse
|
||||
python3 pdf2md_v5.py --ocr-language deu+eng --jobs 8 scan.pdf scan.md
|
||||
python3 pdf2md.py --ocr-language deu+eng --jobs 8 scan.pdf scan.md
|
||||
```
|
||||
|
||||
| Option | Bedeutung |
|
||||
|
|
@ -67,7 +67,7 @@ synthetisch erzeugt.
|
|||
## Grenzen
|
||||
|
||||
- Die Ergebnisqualität hängt von pymupdf4llm/pymupdf-layout ab. Zwei Schwächen der
|
||||
Bibliothek gleicht `pdf2md_v5.py` per Patch aus (Bindestriche am Zeilenende, Absätze in
|
||||
Bibliothek gleicht `pdf2md.py` per Patch aus (Bindestriche am Zeilenende, Absätze in
|
||||
Scan-Blöcken). Eine weitere ist bekannt: Bei Schriften mit Ligaturen (ff, fi) mit
|
||||
übergroßer Glyphenbox kann pymupdf4llm einzelne Zeilen verlieren. Bei den Ljutsch-Bänden
|
||||
tritt das nicht auf (geprüft per Wortabgleich PDF ↔ Markdown).
|
||||
|
|
@ -76,7 +76,7 @@ synthetisch erzeugt.
|
|||
|
||||
## Dateien
|
||||
|
||||
- `pdf2md_v5.py` – aktuelle Version
|
||||
- `pdf2md_v1.py` … `pdf2md_v4.py` – frühere Entwicklungsstände (siehe `Info/`)
|
||||
- `pdf2md.py` – aktuelle Version
|
||||
- `History/pdf2md_v1.py` … `History/pdf2md_v4.py` – frühere Entwicklungsstände (siehe `Info/`)
|
||||
- `Info/` – Recherche und Entstehungsgeschichte der Skripte
|
||||
- `tests/` – pytest-Suite
|
||||
|
|
|
|||
Loading…
Reference in a new issue