Inhaltsverzeichnis als Tabelle erhalten, Doku nach Probeläufen ergänzt

- normalize_markdown: Tabellenzeilen im Inhaltsverzeichnis unverändert
  übernehmen; der Verzeichnis-Modus endet mit der Tabelle (sonst zerfiel
  die Tabelle und die folgende Überschrift "Vorwort" ging verloren)
- Test für Verzeichnis als Tabelle
- README/Bedienungsanleitung: weiche Trennstriche, Courier-OCR-Ebenen,
  englische Bücher, --ocr always für alte Scans, Grenzen aus den
  Probeläufen mit fremden PDFs
- TODO.md: bekannte Schwächen (Zahlen als Überschrift, römische
  Seitenzahlen, gesperrte Überschriften)

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

README.md

@@ -1,10 +1,13 @@
 # ljutsch – PDF → Markdown → EPUB
 
-Werkzeug, um PDF-Bücher (hier: *Operation Ljutsch*, Band 1 und 2) in sauberes Markdown
-und anschließend in ein EPUB für den PocketBook-Reader umzuwandeln – mit Überschriften,
-Bildern und echten Absätzen. Funktioniert für **digitale** PDFs (Textebene vorhanden)
-ebenso wie für **gescannte** PDFs (nur Bilder, per OCR) und für Scans, die bereits eine
-OCR-Ebene haben (z. B. von `ocrmypdf`).
+Werkzeug, um PDF-Bücher in sauberes Markdown und anschließend in ein EPUB für den
+PocketBook-Reader umzuwandeln – mit Überschriften, Bildern und echten Absätzen. Funktioniert
+für **digitale** PDFs (Textebene vorhanden) ebenso wie für **gescannte** PDFs (nur Bilder,
+per OCR) und für Scans, die bereits eine OCR-Ebene haben (z. B. von `ocrmypdf`).
+
+Entwickelt an *Operation Ljutsch* (Band 1 und 2), außerdem erprobt an einem deutschen
+Sachbuch, einem englischen Handbuch, einem Mathematikbuch, einem Bericht mit Fußnoten und
+einem englischen Scan von 1893 (Ergebnisse siehe [Grenzen](#grenzen)).
 
 ## Installation (Ubuntu 24.04)
 
@@ -29,6 +32,9 @@ python3 pdf2md.py --epub buch.pdf buch.md
 
 # Scan in Deutsch und Englisch, 8 parallele OCR-Prozesse
 python3 pdf2md.py --ocr-language deu+eng --jobs 8 scan.pdf scan.md
+
+# englisches Buch; alter Scan mit schlechter OCR-Ebene neu erkennen
+python3 pdf2md.py --epub --lang en --ocr-language eng --ocr always scan.pdf scan.md
 ```
 
 | Option | Bedeutung |
@@ -49,10 +55,13 @@ python3 pdf2md.py --ocr-language deu+eng --jobs 8 scan.pdf scan.md
   (`.` `!` `?` `…`, auch mit `«` `“` `»` usw. dahinter). Auf Scans werden Absätze am
   Einzug erkannt.
 - **Silbentrennung:** `Geheim-|dienst` → `Geheimdienst`, `Militär-|Geheimdienst` bleibt mit
-  Bindestrich, `Arbeits- und` bleibt.
+  Bindestrich, `Arbeits- und` bleibt. Weiche Trennstriche (U+00AD) und `¬` am Zeilenende
+  werden ebenfalls aufgelöst (`wach­|senden` → `wachsenden`).
 - **Überschriften:** Ebenen aus den PDF-Lesezeichen (Teile `##`, Kapitel `###`);
   Satzreste, die fälschlich als Überschrift erkannt wurden, kommen zurück in den Text.
-- **Inhaltsverzeichnis:** zusammengeklebte Einträge werden getrennt.
+- **Inhaltsverzeichnis:** zusammengeklebte Einträge werden getrennt; liegt das Verzeichnis
+  als Tabelle vor, bleibt die Tabelle erhalten.
+- **OCR-Ebenen** in Courier werden nicht als Programmcode (`` `…` ``) gesetzt.
 - **Seitenzahlen, Kolumnentitel, Text in Fotos** werden entfernt.
 
 ## Tests
@@ -66,12 +75,21 @@ synthetisch erzeugt.
 
 ## Grenzen
 
-- Die Ergebnisqualität hängt von pymupdf4llm/pymupdf-layout ab. Zwei Schwächen der
-  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).
-- OCR-Fehler (z. B. fehlende Leerzeichen) werden nicht korrigiert.
+- Die Ergebnisqualität hängt von pymupdf4llm/pymupdf-layout ab. Einige Schwächen der
+  Bibliothek gleicht `pdf2md.py` per Patch aus (Bindestriche und weiche Trennstriche am
+  Zeilenende, Absätze in Scan-Blöcken, OCR-Ebenen in Courier). 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).
+- OCR-Fehler (z. B. fehlende Leerzeichen) werden nicht korrigiert. Bei alten Scans mit
+  mitgelieferter OCR-Ebene liefert `--ocr always` meist deutlich besseren Text.
+- **Mathematische Formeln** werden als Bilder übernommen; für Mathebücher ist ein anderes
+  Werkzeug besser geeignet (z. B. Marker, Nougat).
+- **Was am PDF liegt, bleibt:** fehlende Ligaturen ohne Textzuordnung („Offzielle“),
+  gesperrt gesetzte Überschriften („M e i n k l e i nes …“), flache PDF-Gliederungen
+  (alle Kapitel auf einer Ebene).
+- Reine Zahlen können als Überschrift erscheinen (Fußnotenzeichen, römische Seitenzahlen).
+  Weitere bekannte Schwächen: [TODO.md](TODO.md).
 - Bilder werden als JPEG (Qualität 95) gespeichert; EPUB Band 1 ca. 5 MB.
 
 ## Dateien