feat: extract_text.py – YouTube-URL → Textdatei in einem Schritt

- Kombiniert yt_untertitel.py und vtt2txt.py; die VTT bleibt temporär
- Standardsprache ist die des Original-Audios (original_language())
- -o Ausgabedatei, Standard output.txt
- Tests ohne Netz, README

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

README.md

@@ -4,10 +4,11 @@ Korrigiert automatische Abschriften deutscher Reden (z. B. YouTube-Untertitel al
 Text) mit einem lokalen Sprachmodell über Ollama: Rechtschreibung, Satzzeichen,
 Hörfehler, Absätze – möglichst wortgetreu, ohne Zusammenfassung oder Glättung.
 
-Drei Werkzeuge, einzeln oder hintereinander nutzbar:
+Die Werkzeuge sind einzeln oder hintereinander nutzbar:
 
 | Skript | Aufgabe |
 |---|---|
+| `extract_text.py` | YouTube-URL → Textdatei in einem Schritt (die beiden folgenden zusammen) |
 | `yt_untertitel.py` | Untertitel eines YouTube-Videos als VTT herunterladen |
 | `vtt2txt.py` | VTT in eine Rohabschrift (Text) umwandeln |
 | `rede_korrigieren.py` | Rohabschrift (oder VTT direkt) mit dem Sprachmodell korrigieren |
@@ -26,7 +27,14 @@ der Lauf wird etwa 12-mal langsamer.
 
 ## Aufruf
 
-Ablauf von der YouTube-URL zum korrigierten Text:
+Von der YouTube-URL zum korrigierten Text:
+
+```bash
+./extract_text.py -u 'https://www.youtube.com/watch?v=rm6lADgf6GQ' -o lahnstein.txt
+./rede_korrigieren.py -i lahnstein.txt          # → lahnstein.korrigiert.txt
+```
+
+Dasselbe in Einzelschritten, wenn die VTT-Datei erhalten bleiben soll:
 
 ```bash
 ./yt_untertitel.py -u 'https://www.youtube.com/watch?v=rm6lADgf6GQ' -n Lahnstein -d testdaten
@@ -34,9 +42,27 @@ Ablauf von der YouTube-URL zum korrigierten Text:
 ./rede_korrigieren.py -i testdaten/Lahnstein.de-orig.txt
 ```
 
-Der mittlere Schritt ist optional: `rede_korrigieren.py -i testdaten/Lahnstein.de-orig.vtt`
-wandelt die Untertitel selbst um. Die `.txt` lohnt sich, um den Rohtext anzusehen
-oder ein Glossar daraus zu erstellen.
+Der Schritt über `vtt2txt.py` ist optional: `rede_korrigieren.py` nimmt auch die
+`.vtt` direkt. Die `.txt` lohnt sich, um den Rohtext anzusehen oder ein Glossar
+daraus zu erstellen.
+
+### URL → Text in einem Schritt: `extract_text.py`
+
+Lädt die Untertitel und speichert nur den Text; die VTT-Datei bleibt ein
+Zwischenschritt im temporären Verzeichnis. Die Spurwahl ist dieselbe wie bei
+`yt_untertitel.py`, nur ist die Standardsprache die des Original-Audios.
+
+```bash
+./extract_text.py -u 'https://www.youtube.com/watch?v=rm6lADgf6GQ'          # → output.txt
+./extract_text.py -u URL -l de -o testdaten/rede.txt                      # Sprache und Ziel
+./rede_korrigieren.py -i output.txt                                       # → output.korrigiert.txt
+```
+
+| Option | Bedeutung |
+|---|---|
+| `-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: `output.txt` |
 
 ### Untertitel herunterladen: `yt_untertitel.py`
 
@@ -165,6 +191,8 @@ Die Tests brauchen kein Ollama: Modellaufrufe werden durch Fakes ersetzt. Geprü
 werden Abschnittsbildung, Glossar (inkl. „jede Ersetzung in den Beispiel-Glossaren
 trifft ihre Testdaten“), Streaming-Auswertung, Absatzgliederung (Text bleibt
 unverändert, 3–10 Sätze), Zwischenspeicher/Fortsetzen und die Kommandozeile.
+`tests/test_extract_text.py` prüft den Gesamtablauf URL → Text, Sprachwahl
+(Original-Audio, manuell vor automatisch) und Fehlerfälle.
 `tests/test_yt_untertitel.py` prüft Spurauswahl, Aufruf von `yt-dlp` und
 Fehlerfälle (ohne Netz, `yt-dlp` wird durch Fakes ersetzt).
 `tests/test_vtt2txt.py` prüft die VTT-Umwandlung: jede `.vtt` in `testdaten/`