feat: Zeitraum-Auswahl (-s/-e) auch in rede_korrigieren.py und extract_text.py

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

README.md

@@ -66,6 +66,7 @@ Zwischenschritt im temporären Verzeichnis. Die Spurwahl ist dieselbe wie bei
 # → John_Mearsheimer_Offensive_Realism_Episode_1_Origins_of_the_War_In_Ukraine_2026-07-30.txt
 ./extract_text.py -u URL -l de -o testdaten/rede.txt                      # Sprache und Ziel
 ./extract_text.py -u URL -f -o rede.txt                                   # lesbarer Fließtext
+./extract_text.py -u URL -s 3:17 -e 5:25                                  # nur ein Ausschnitt
 ./rede_korrigieren.py -i rede.txt                                         # → rede.korrigiert.txt
 ```
 
@@ -74,6 +75,7 @@ Zwischenschritt im temporären Verzeichnis. Die Spurwahl ist dieselbe wie bei
 | `-u`, `--url` | YouTube-URL, Pflicht |
 | `-l`, `--lang` | Sprache; Standard: Sprache des Original-Audios (`<sprache>-orig`) |
 | `-o`, `--output` | Ausgabedatei (Verzeichnisse werden angelegt, vorhandene Datei überschrieben); Standard: `<Kanal>_<Titel>_<Datum>.txt`, siehe unten |
+| `-s`, `--start` / `-e`, `--ende` | nur Untertitel in diesem Zeitraum (`00:03:17`, `3:17` oder `197` Sekunden), wie bei `vtt2txt.py` |
 | `-f`, `--fliesstext` | Fließtext, auf 80 Zeichen umbrochen (Wörter werden nie getrennt), statt der kurzen Untertitelzeilen; beides versteht `rede_korrigieren.py` |
 
 ### Standard-Dateinamen für YouTube-Videos
@@ -89,7 +91,9 @@ Ohne `-o` bzw. `-n` bilden `extract_text.py`, `yt_untertitel.py` und
 Wörter werden mit `_` verbunden. Bindestriche und Punkte im Wort bleiben
 („Krone-Schmalz“), andere Zeichen fallen weg. Der Kanal wird auf 40, der Titel auf
 60 Zeichen an einer Wortgrenze gekürzt. Ohne verwertbaren Kanal und Titel gilt die
-Video-ID. Gleiches Video ergibt immer denselben Namen; eine vorhandene Datei wird
+Video-ID. Mit `-s`/`-e` kommt der Zeitraum dazu, z. B.
+`…_2026-07-30_00-03-17_bis_00-05-25` (nur `-s`: `_ab_…`, nur `-e`: `_bis_…`).
+Gleiches Video ergibt immer denselben Namen; eine vorhandene Datei wird
 überschrieben (ein mit `-u` gespeicherter, abweichender Rohtext aber nie).
 
 ### Untertitel herunterladen: `yt_untertitel.py`
@@ -161,6 +165,7 @@ werden trotzdem umgewandelt; der Exit-Code ist dann 1.
 ./rede_korrigieren.py -i rede.de.vtt                    # VTT direkt → rede.de.korrigiert.txt
 ./rede_korrigieren.py -u URL                            # YouTube → <Kanal>_<Titel>_<Datum>.korrigiert.txt
 ./rede_korrigieren.py -i speech.txt -l en               # englische Rede
+./rede_korrigieren.py -u URL -s 3:17 -e 5:25            # nur ein Ausschnitt des Videos
 ```
 
 | Option | Bedeutung |
@@ -168,7 +173,8 @@ werden trotzdem umgewandelt; der Exit-Code ist dann 1.
 | `-i`, `--input` | Eingabedatei: Rohabschrift (`.txt`) oder Untertitel (`.vtt`, wird wie mit `vtt2txt.py` umgewandelt) |
 | `-u`, `--url` | statt `-i`: YouTube-URL; Untertitel wie bei `extract_text.py`. Der Rohtext wird neben der Ausgabe gespeichert (`rede.korrigiert.txt` → `rede.txt`, sonst `<Name>.roh.txt`), eine vorhandene, abweichende Datei aber nie überschrieben |
 | `-l`, `--lang` | Sprache der Rede: `de` oder `en` (auch mit Region, z. B. `en-US`); wählt Prompts und Prüfmarke. Mit `-u` zugleich die Sprache der Untertitel. Standard: `de`, mit `-u` die Sprache des Original-Audios |
-| `-o`, `--output` | Ausgabedatei; Standard: `<Eingabe ohne Endung>.korrigiert.txt` neben der Eingabe, mit `-u` `<Kanal>_<Titel>_<Datum>.korrigiert.txt` |
+| `-o`, `--output` | Ausgabedatei; Standard: `<Eingabe ohne Endung>.korrigiert.txt` neben der Eingabe, mit `-u` `<Kanal>_<Titel>_<Datum>.korrigiert.txt`; mit `-s`/`-e` zusätzlich der Zeitraum im Namen |
+| `-s`, `--start` / `-e`, `--ende` | nur diesen Zeitraum korrigieren (`00:03:17`, `3:17` oder `197` Sekunden); nur mit `.vtt`-Eingabe oder `-u`, da reiner Text keine Zeitstempel hat |
 | `-g`, `--glossar` | Glossar mit festen Ersetzungen und Schreibweisen; mehrfach angeben zum Kombinieren (Ersetzungen in Reihenfolge der Angabe) |
 | `-m`, `--model` | Ollama-Modell; Standard: `qwen3:32b` (Konstante `MODEL`) |
 | `--kein-bericht` | keinen Änderungsbericht schreiben |

extract_text.py

@@ -7,7 +7,7 @@ import shutil
 import tempfile
 import textwrap
 
-from vtt2txt import vtt_to_lines
+from vtt2txt import add_time_options, check_time_range, time_suffix, vtt_to_lines
 from yt_untertitel import (
     YT_DLP, choose_track, default_name, download, fetch_info, no_track_message,
     original_language,
@@ -27,13 +27,16 @@ def parse_args():
     )
     parser.add_argument(
         "-o", "--output", type=Path,
-        help="Ausgabedatei (Standard: <Kanal>_<Titel>_<Datum>.txt)",
+        help="Ausgabedatei (Standard: <Kanal>_<Titel>_<Datum>.txt, "
+        "mit -s/-e zusätzlich der Zeitraum)",
     )
     parser.add_argument(
         "-f", "--fliesstext", action="store_true",
         help=f"Fließtext, auf {FLOW_WIDTH} Zeichen umbrochen, statt Untertitelzeilen",
     )
+    add_time_options(parser)
     args = parser.parse_args()
+    check_time_range(parser, args)
 
     if args.output is not None and args.output.is_dir():
         parser.error(f"-o/--output ist ein Verzeichnis: {args.output}")
@@ -42,10 +45,11 @@ def parse_args():
     return args
 
 
-def fetch_text(url, lang=None):
+def fetch_text(url, lang=None, start=None, end=None):
     """Download the subtitles of a video; return (video info, text lines).
 
-    Without `lang` the language of the original audio is used.
+    Without `lang` the language of the original audio is used. `start`/`end`
+    (seconds) keep only the captions of that time range.
     """
     info = fetch_info(url)
     print(f"Video: {info.get('title', '?')}")
@@ -65,17 +69,20 @@ def fetch_text(url, lang=None):
         vtt = Path(f"{target_base}.{track}.vtt")
         if not vtt.is_file():
             raise SystemExit("yt-dlp hat keine Untertitel-Datei geschrieben.")
-        lines = vtt_to_lines(vtt.read_text(encoding="utf-8-sig"))
+        lines = vtt_to_lines(vtt.read_text(encoding="utf-8-sig"), start, end)
 
     if not lines:
-        raise SystemExit("Die Untertitel enthalten keinen Text.")
+        if start is None and end is None:
+            raise SystemExit("Die Untertitel enthalten keinen Text.")
+        raise SystemExit("Die Untertitel enthalten im gewählten Zeitraum keinen Text.")
     return info, lines
 
 
 def main():
     args = parse_args()
-    info, lines = fetch_text(args.url, args.lang)
+    info, lines = fetch_text(args.url, args.lang, args.start, args.ende)
-    output = args.output or Path(f"{default_name(info)}.txt")
+    suffix = time_suffix(args.start, args.ende)
+    output = args.output or Path(f"{default_name(info)}{suffix}.txt")
 
     if args.fliesstext:
         # Never split words, not even at hyphens ("EU-Gipfel")

rede_korrigieren.py

@@ -12,7 +12,7 @@ import urllib.request
 
 from aenderungen import REVIEW_MARK, print_summary, report_path, write_report
 from extract_text import fetch_text
-from vtt2txt import vtt_to_lines
+from vtt2txt import add_time_options, check_time_range, time_suffix, vtt_to_lines
 from yt_untertitel import YT_DLP, base_language, default_name, original_language
 
 MODEL = "qwen3:32b"
@@ -452,7 +452,8 @@ def parse_args():
     parser.add_argument(
         "-o", "--output", type=Path,
         help="Ausgabedatei (Standard: <Eingabe ohne Endung>.korrigiert.txt, "
-        "mit -u <Kanal>_<Titel>_<Datum>.korrigiert.txt)",
+        "mit -u <Kanal>_<Titel>_<Datum>.korrigiert.txt; mit -s/-e zusätzlich "
+        "der Zeitraum)",
     )
     parser.add_argument(
         "-g", "--glossar", type=Path, action="append", default=[],
@@ -466,7 +467,10 @@ def parse_args():
         "--kein-bericht", action="store_true",
         help="keinen Änderungsbericht <Ausgabe>.aenderungen.html schreiben",
     )
+    add_time_options(parser)
     args = parser.parse_args()
+    check_time_range(parser, args)
+    timed = args.start is not None or args.ende is not None
 
     for glossary in args.glossar:
         if not glossary.is_file():
@@ -483,8 +487,11 @@ def parse_args():
 
     if not args.input.is_file():
         parser.error(f"Eingabedatei nicht gefunden: {args.input}")
+    if timed and args.input.suffix.lower() != ".vtt":
+        parser.error("-s/-e brauchen Zeitstempel: nur mit .vtt-Eingabe oder -u.")
     if args.output is None:
-        args.output = args.input.with_name(f"{args.input.stem}.korrigiert.txt")
+        suffix = time_suffix(args.start, args.ende)
+        args.output = args.input.with_name(f"{args.input.stem}{suffix}.korrigiert.txt")
     if args.output.resolve() == args.input.resolve():
         parser.error("Ausgabedatei darf nicht die Eingabedatei sein.")
     return args
@@ -510,20 +517,21 @@ def save_raw_text(path, raw):
 def read_source(args):
     """Return the raw transcript, the output path and the language of the speech."""
     if args.url is not None:
-        info, lines = fetch_text(args.url, args.lang)
+        info, lines = fetch_text(args.url, args.lang, args.start, args.ende)
         lang = base_language(args.lang or original_language(info) or DEFAULT_LANGUAGE)
         if lang not in PROMPTS:
             raise SystemExit(
                 f"Die Rede ist auf „{lang}“; unterstützt: {', '.join(PROMPTS)} (-l)."
             )
-        target = args.output or Path(f"{default_name(info)}.korrigiert.txt")
+        suffix = time_suffix(args.start, args.ende)
+        target = args.output or Path(f"{default_name(info)}{suffix}.korrigiert.txt")
         raw = "\n".join(lines) + "\n"
         save_raw_text(raw_text_path(target), raw)
         return raw, target, lang
 
     raw = args.input.read_text(encoding="utf-8-sig")
     if args.input.suffix.lower() == ".vtt":
-        raw = "\n".join(vtt_to_lines(raw))
+        raw = "\n".join(vtt_to_lines(raw, args.start, args.ende))
     return raw, args.output, base_language(args.lang or DEFAULT_LANGUAGE)
 
 
@@ -560,7 +568,9 @@ def main():
     chunks = split_chunks(text)
 
     if not chunks:
-        raise SystemExit("Die Eingabedatei ist leer.")
+        if args.start is None and args.ende is None:
+            raise SystemExit("Die Eingabedatei ist leer.")
+        raise SystemExit("Die Eingabedatei enthält im gewählten Zeitraum keinen Text.")
 
     parts_dir.mkdir(parents=True, exist_ok=True)
     results = []

tests/test_extract_text.py

@@ -125,3 +125,25 @@ def test_cli_errors(tmp_path, monkeypatch, capsys, args, message):
         run_main(monkeypatch, *args)
     assert exc.value.code == 2
     assert message in capsys.readouterr().err
+
+
+def test_time_range_default_name(fake_yt_dlp, tmp_path, monkeypatch):
+    monkeypatch.setattr(yt.subprocess, "run", fake_yt_dlp(GERMAN_VIDEO, vtt=VTT))
+    monkeypatch.chdir(tmp_path)
+    run_main(monkeypatch, "-u", URL, "-s", "2", "-e", "0:03")
+
+    name = "Kanal_Eine_Rede_2026-03-28_00-00-02_bis_00-00-03.txt"
+    assert (tmp_path / name).read_text(encoding="utf-8") == "Schön, dass Sie da sind.\n"
+
+
+def test_time_range_without_text(fake_yt_dlp, tmp_path, monkeypatch):
+    monkeypatch.setattr(yt.subprocess, "run", fake_yt_dlp(GERMAN_VIDEO, vtt=VTT))
+    with pytest.raises(SystemExit, match="im gewählten Zeitraum keinen Text"):
+        run_main(monkeypatch, "-u", URL, "-s", "1:00", "-o", tmp_path / "out.txt")
+
+
+def test_time_range_order_error(monkeypatch, capsys):
+    with pytest.raises(SystemExit) as exc:
+        run_main(monkeypatch, "-u", URL, "-s", "2:00", "-e", "1:00")
+    assert exc.value.code == 2
+    assert "muss vor -e/--ende liegen" in capsys.readouterr().err

tests/test_rede_korrigieren.py

@@ -517,3 +517,52 @@ def test_cli_errors(sample_copy, monkeypatch, capsys, args, message):
         run_main(monkeypatch, *args)
     assert exc.value.code == 2
     assert message in capsys.readouterr().err
+
+
+# === Time range (-s/-e) ===
+
+def test_main_url_time_range_default_names(from_url, tmp_path, monkeypatch):
+    monkeypatch.chdir(tmp_path)
+    run_main(monkeypatch, "-u", URL, "-s", "0:02")
+
+    name = "Kanal_Rede_2026-03-28_ab_00-00-02"
+    raw = (tmp_path / f"{name}.txt").read_text(encoding="utf-8")
+    assert raw == "Das ist bekannt.\n"
+    assert (tmp_path / f"{name}.korrigiert.txt").is_file()
+
+
+def test_main_url_time_range_without_text(from_url, tmp_path, monkeypatch):
+    with pytest.raises(SystemExit, match="im gewählten Zeitraum keinen Text"):
+        run_main(monkeypatch, "-u", URL, "-s", "1:00", "-o", tmp_path / "x.korrigiert.txt")
+
+
+def test_main_vtt_time_range(tmp_path, monkeypatch):
+    vtt = tmp_path / "rede.de.vtt"
+    vtt.write_text(VTT, encoding="utf-8")
+    monkeypatch.setattr(rk, "correct_chunk", identity_correct)
+    monkeypatch.setattr(rk, "find_paragraph_starts", every_nth_start(5))
+    run_main(monkeypatch, "-i", vtt, "-e", "2")
+
+    result = tmp_path / "rede.de_bis_00-00-02.korrigiert.txt"
+    assert result.read_text(encoding="utf-8") == "Der Kremmel ist in Moskau.\n"
+
+
+def test_main_vtt_time_range_without_text(tmp_path, monkeypatch):
+    vtt = tmp_path / "rede.de.vtt"
+    vtt.write_text(VTT, encoding="utf-8")
+    monkeypatch.setattr(rk, "correct_chunk", no_model_calls)
+    with pytest.raises(SystemExit, match="im gewählten Zeitraum keinen Text"):
+        run_main(monkeypatch, "-i", vtt, "-s", "1:00")
+
+
+@pytest.mark.parametrize("args, message", [
+    (["-i", "{sample}", "-s", "1:00"], "nur mit .vtt-Eingabe oder -u"),
+    (["-i", "{sample}", "-s", "x"], "ungültige Zeit"),
+    (["-i", "{sample}", "-s", "2:00", "-e", "1:00"], "muss vor -e/--ende liegen"),
+])
+def test_cli_time_errors(sample_copy, monkeypatch, capsys, args, message):
+    args = [a.format(sample=sample_copy) for a in args]
+    with pytest.raises(SystemExit) as exc:
+        run_main(monkeypatch, *args)
+    assert exc.value.code == 2
+    assert message in capsys.readouterr().err