pdf2md/tests
Repository files (latest commit first)
Filename Latest commit message Latest commit date
Dieter Schlüter 5cd5e5d69b --split seiten, --epub-per-file, Nachspann, --from-md --split, --split-chars
- --split seiten mit --pages-per-file N (Standard 20, Ausrichtung an
  Überschriften bis eine Seite neben der Grenze) oder --page-ranges
  (streng; Seiten außerhalb werden eigene Dateien)
- Schnitt nur im fertigen Gesamt-Markdown (lückenlos): vor dem ersten
  Absatz, der auf der Grenzseite beginnt; Überschriften vor dem Schnitt
  wandern in die neue Datei; source_pages aus Anfang/Ende jedes Absatzes
- Seitenzuordnung über die Rohtexte je Seite (pymupdf4llm page_chunks=True,
  aneinandergehängt byte-gleich; Band 1/2 unverändert), auch für OCR-Seiten
- --epub-per-file: ein EPUB je Einzeldatei in <name>/epub/
- Nachspann: Anhang/Autor/Impressum nach dem letzten Kapitel als eigene Datei
- --from-md DATEI --split teile|kapitel: bearbeitetes Markdown nachträglich
  teilen, Bild- und Cover-Pfade angepasst
- --split-chars N; Längen-Abschnitte tragen die Überschrift am Anfang als Titel
- Tests (tests/test_split_pages.py), README, Bedienungsanleitung, CLAUDE.md, TODO

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-03 01:04:50 +02:00
..
conftest.py --keep-lines für Gedichtbände, OCR-Neuerkennung repariert, OCR-Rauschen entfernen 2026-10-02 22:13:20 +02:00
test_classify.py pdf2md.py als fester Name, v1–v4 nach History/ verschoben 2026-10-02 13:12:36 +02:00
test_defaults.py Bessere Standardwerte: EPUB-Sprache, Titel/Autor, Prozesszahl 2026-10-02 15:20:08 +02:00
test_e2e.py --keep-lines für Gedichtbände, OCR-Neuerkennung repariert, OCR-Rauschen entfernen 2026-10-02 22:13:20 +02:00
test_links.py Links: URLs über Blockgrenzen, Wortpaare, abweichende Linktexte 2026-10-02 20:35:01 +02:00
test_normalize.py Links: URLs über Blockgrenzen, Wortpaare, abweichende Linktexte 2026-10-02 20:35:01 +02:00
test_split.py Seitenzahlen bei --split, Teilen nach Länge, Links mit eigenem Text 2026-10-02 19:03:51 +02:00
test_split_pages.py --split seiten, --epub-per-file, Nachspann, --from-md --split, --split-chars 2026-10-03 01:04:50 +02:00
test_verbatim.py Gedicht-Scans: Zeilen direkt aus Tesseract, Fehler aus pymupdf4llm 1.28 2026-10-02 22:39:12 +02:00