feat: Abkürzungen und Ordnungszahlen beenden keinen Satz

„z. B.“, „d. h.“, „Dr.“, „bzw.“, „ca.“, „e.g.“ und Ordnungszahlen wie
„2. Weltkrieg“ oder „am 24.“ gelten bei Satz-, Abschnitts- und
Absatzgrenzen nicht mehr als Satzende; „usw.“, „etc.“ und Jahreszahlen
weiterhin.

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

README.md

@@ -250,8 +250,9 @@ Blöcken korrigiert.
 2. **Feste Ersetzungen** aus dem Glossar (`falsch => richtig`) werden im Rohtext
    angewendet, bevor das Modell ihn sieht.
 3. **Korrektur:** Der Text wird in Abschnitte von ca. 1200 Wörtern geteilt (immer
-   am Satzende) und abschnittsweise vom Modell korrigiert. Fortschritt wird live
+   am Satzende; Abkürzungen wie „z. B.“, „Dr.“, „bzw.“ und Ordnungszahlen wie
-   angezeigt.
+   „2. Weltkrieg“ zählen nicht als Satzende) und abschnittsweise vom Modell
+   korrigiert. Fortschritt wird live angezeigt.
 4. **Wortzahl-Prüfung:** Weicht die Wortzahl eines Abschnitts um mehr als 5 % ab,
    gibt es eine Warnung (mögliche Auslassungen oder Ergänzungen).
 5. **Absätze:** Das Modell nennt nur Satznummern, an denen ein Absatz beginnt; der
@@ -457,5 +458,6 @@ Oben in `abschrift_korrigieren.py`:
 - `vtt2txt.py` erkennt Wiederholungen an der Überlappung aufeinanderfolgender
   Untertitel-Blöcke. Bei Untertiteln ohne rollendes Fenster gehen deshalb zwei
   direkt aufeinanderfolgende, identische Blöcke zu einem zusammen.
-- Abkürzungen wie „z. B.“ oder „2. Weltkrieg“ können als Satzende gelten; das
+- Einzelbuchstaben und ein- bis zweistellige Zahlen mit Punkt gelten nie als
-  beeinflusst nur mögliche Absatzgrenzen, nicht den Text.
+  Satzende („Plan B.“, „Es waren 12.“); das beeinflusst nur mögliche Absatzgrenzen,
+  nicht den Text.

abschrift_korrigieren.py

@@ -35,6 +35,11 @@ MIN_PARAGRAPH_SENTENCES = 3   # kürzere Absätze werden mit dem Nachbarn verbun
 
 SENTENCE_END = re.compile(r"[.!?…][\"'»«“”)\]]*$")
 SENTENCE_SPLIT = re.compile(r"(?:(?<=[.!?…])|(?<=[.!?…][\"'»«“”)\]]))\s+")
+# Abbreviations and ordinals ("z. B.", "Dr.", "2. Weltkrieg", "e.g.") end no
+# sentence; "usw." and "etc." usually do, four-digit years too
+NO_SENTENCE_END = re.compile(
+    r"(?:^|[\s.])(?:\w|\d{1,2}|Dr|Prof|bzw|ca|Nr|St|vgl|sog|evtl|ggf|inkl|bspw|Mr|Mrs|Ms)\.$"
+)
 
 SYSTEM = """Du korrigierst die automatische Abschrift eines deutschsprachigen
 gesprochenen Beitrags (z. B. Rede, Vortrag, Interview, Video).
@@ -237,7 +242,7 @@ def split_chunks(text):
     while start < len(units):
         end = min(start + CHUNK_SIZE, len(units))
         limit = min(end + MAX_EXTRA_WORDS, len(units))
-        while end < limit and not SENTENCE_END.search(units[end - 1].rstrip()):
+        while end < limit and not ends_sentence(units[end - 1].rstrip()):
             end += 1
         chunks.append("".join(units[start:end]))
         start = end
@@ -349,9 +354,21 @@ def correct_chunk(chunk, index, system):
     return corrected
 
 
+def ends_sentence(text):
+    return bool(SENTENCE_END.search(text)) and not NO_SENTENCE_END.search(text)
+
+
 def split_sentences(text):
     """Split flat text into sentences; joining them with spaces restores it."""
-    return [s for s in SENTENCE_SPLIT.split(" ".join(text.split())) if s]
+    sentences = []
+    for piece in SENTENCE_SPLIT.split(" ".join(text.split())):
+        if not piece:
+            continue
+        if sentences and NO_SENTENCE_END.search(sentences[-1]):
+            sentences[-1] += " " + piece
+        else:
+            sentences.append(piece)
+    return sentences
 
 
 def find_paragraph_starts(sentences, first, system):

tests/test_abschrift_korrigieren.py

@@ -207,6 +207,27 @@ def test_split_sentences_keeps_closing_quotes():
     assert " ".join(sentences) == text
 
 
+@pytest.mark.parametrize("text, expected", [
+    ("Das gilt z. B. hier. Gut.", ["Das gilt z. B. hier.", "Gut."]),
+    ("Das heißt, d. h. nicht. Gut.", ["Das heißt, d. h. nicht.", "Gut."]),
+    ("Dr. Müller und Prof. Meier kamen. Gut.", ["Dr. Müller und Prof. Meier kamen.", "Gut."]),
+    ("Im 2. Weltkrieg am 3. Oktober. Gut.", ["Im 2. Weltkrieg am 3. Oktober.", "Gut."]),
+    ("Das war 1982. Dann kam 1983.", ["Das war 1982.", "Dann kam 1983."]),
+    ("Fruit, e.g. apples. And Mr. Smith.", ["Fruit, e.g. apples.", "And Mr. Smith."]),
+    ("Äpfel, Birnen usw. Dann mehr.", ["Äpfel, Birnen usw.", "Dann mehr."]),
+])
+def test_split_sentences_abbreviations(text, expected):
+    sentences = ak.split_sentences(text)
+    assert sentences == expected
+    assert " ".join(sentences) == text
+
+
+def test_split_chunks_does_not_end_at_abbreviation(monkeypatch):
+    monkeypatch.setattr(ak, "CHUNK_SIZE", 3)
+    chunks = ak.split_chunks("Eins zwei z. B. drei. Vier fünf sechs.")
+    assert chunks == ["Eins zwei z. B. drei. ", "Vier fünf sechs."]
+
+
 def test_group_paragraphs():
     assert ak.group_paragraphs(7, {3, 6}) == [(1, 2), (3, 5), (6, 7)]
     assert ak.group_paragraphs(3, set()) == [(1, 3)]