Michael StanglandClaude Sonnet 5
982879d9f0
Behebt mehrere Extraktionsprobleme in lib/pdf_extract.py, die zu doppelter
Nummerierung, sinnentleertem Text und falsch dimensionierten Symbolen fuehrten:
- Ueberschriften nur noch bei grosser/fetter Quellschrift (>= 12.5pt oder bold)
statt bei jeder Zeile mit Nummern-Praefix. Vorher wurden hunderte normale
Textzeilen (Querverweise, Aufzaehlungen) faelschlich zu Ueberschriften.
- Bildunterschriften ("Abbildung N: ...") werden nie mehr als Ueberschrift
gerendert (Caption-Erkennung vor Heading-Check, Merge-Regel verschaerft),
sondern als kursiver Absatz bzw. figure-Caption.
- Symbole (Warn-/Gebots-/Verbotspiktogramme) werden per Piktogramm-Heuristik
(Signalfarben + wenige Flaechenfarben) erkannt statt nur ueber Haeufigkeit -
findet auch Symbole, die im Dokument nur 1x vorkommen (z.B. Warndreiecke).
Auf quadratische Canvas normalisiert (normalize_symbol) und einheitlich
klein referenziert (:height: 10mm, :align: left), damit alle Symbole
unabhaengig vom Seitenverhaeltnis der Quelle gleich gross erscheinen.
- Junk-Erkennung erweitert: gerenderte Kapitelnummern-Bilder, Barcodes und
Foto-Ausschnitte werden nicht mehr als Symbol/Inhaltsbild extrahiert.
- Manuelle SYMBOL_BLOCKLIST (aHash-basiert) fuer sichtgepruefte Fehlklassi-
fikationen (Foto-/3D-/Diagramm-Fragmente), damit sie bei erneuter
Konvertierung nicht wieder auftauchen.
- Verzeichnislisten (Lieferantendoku etc.) werden im LaTeX-Build quer
(landscape via pdflscape) gesetzt, da die langen Quellpfade in Hochformat
nicht passten.
assets/shared/symbols/: auf normalisierte .png umgestellt, 7 Fehlklassi-
fikationen (Fotos/3D-Renderings/Diagramme statt Piktogramme) entfernt.
Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
109 lines
3.7 KiB
Python
109 lines
3.7 KiB
Python
"""Sphinx-Konfiguration fuer den Fortna-Dokumentations-Build (DE).
|
|
|
|
Vorlaeufige Konfiguration fuer den ersten vollstaendigen Build aus dem Base-Repo
|
|
heraus. Die spaetere Zwei-Repo-Architektur (conf_base.py + Projekt-conf.py, siehe
|
|
doc/Kernkonzepte.md) ist hier noch nicht umgesetzt.
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
# -- Projekt ----------------------------------------------------------------
|
|
project = "Anlagendokumentation Fortna (500592 / KA 135776)"
|
|
author = "Schoenenberger Systeme GmbH / Mista GmbH"
|
|
copyright = "2026, Schoenenberger Systeme GmbH"
|
|
release = "0.1"
|
|
language = "de"
|
|
|
|
# -- Allgemein --------------------------------------------------------------
|
|
extensions = [
|
|
"myst_parser", # erlaubt .md gleichwertig zu .rst (Kernkonzepte.md)
|
|
]
|
|
|
|
# Master-Dokument
|
|
root_doc = "index"
|
|
|
|
source_suffix = {
|
|
".rst": "restructuredtext",
|
|
".md": "markdown",
|
|
}
|
|
|
|
# Nur die deutschsprachigen Bausteine in den Build aufnehmen; fremdsprachige
|
|
# {name}.en.rst / {name}.cz.rst (aktuell keine im Baum) werden ignoriert.
|
|
# Sphinx sammelt per Default ALLE .rst/.md unter dem Wurzelverzeichnis ein.
|
|
# Alles ausserhalb von chapters/ ausschliessen, damit nur die Doku-Bausteine
|
|
# in den Build gelangen (CLAUDE.md, README.md, doc/, Git-Worktrees etc. raus).
|
|
exclude_patterns = [
|
|
"_build",
|
|
"**/*.en.rst",
|
|
"**/*.cz.rst",
|
|
"*.md",
|
|
".claude",
|
|
".venv",
|
|
".git",
|
|
"doc",
|
|
"examples",
|
|
"results",
|
|
"data",
|
|
"lib",
|
|
"bin",
|
|
"cfg",
|
|
"log",
|
|
"tests",
|
|
"projekte",
|
|
"_ext",
|
|
"_templates",
|
|
"assets",
|
|
"modules",
|
|
"glossary",
|
|
"styles",
|
|
"scripts",
|
|
# Defekte Altbestaende aus fruehen Testlaeufen (nicht von den fortna_*-Skripten
|
|
# erzeugt): unvollstaendiger Bildbestand bzw. fehlende RST-Ueberschrift.
|
|
# TODO: mit fortna_convert_chapters.py sauber neu erzeugen, dann Exclude entfernen.
|
|
"chapters/02_sicherheit/risikobewertung/rb_fortna_h_m_500592_ev12_20260311.de.rst",
|
|
"chapters/00_inhaltsverzeichnis/contens_obsah_500592_135776_v2_1_en_cz.de.rst",
|
|
"chapters/10_anhang/01_getriebe_loadingloopantr_de.de.rst",
|
|
"chapters/10_anhang/02_motor_loadingloopantr_de.de.rst",
|
|
]
|
|
|
|
# -- HTML -------------------------------------------------------------------
|
|
html_theme = "alabaster"
|
|
|
|
# -- LaTeX / PDF ------------------------------------------------------------
|
|
# lualatex verkraftet die Unicode-Zeichen (tschechische Diakritik, ue/oe/ae,
|
|
# Sonderzeichen aus der PDF-Extraktion) deutlich besser als pdflatex.
|
|
latex_engine = "lualatex"
|
|
|
|
latex_documents = [
|
|
(root_doc,
|
|
"Fortna_Dokumentation_DE.tex",
|
|
"Anlagendokumentation Fortna\\\\500592 / KA 135776",
|
|
author,
|
|
"manual"),
|
|
]
|
|
|
|
# iconpackage=none: FontAwesome nicht laden. fontawesome7 (MiKTeX) bricht unter
|
|
# lualatex beim Font-Analyze ab (\faDice undefined). Ohne Icons werden Admonitions
|
|
# (.. note:: in den Verzeichnislisten) einfach ohne Symbol gesetzt.
|
|
latex_elements = {
|
|
"sphinxsetup": "iconpackage=none",
|
|
"papersize": "a4paper",
|
|
"pointsize": "11pt",
|
|
# babel statt polyglossia erzwingen: polyglossia 2.13 (MiKTeX 09/2026) wirft
|
|
# unter lualatex einen bidi-Initialisierungsfehler (\g__xpg_unibidi_str), der
|
|
# fuer rein deutschen Text irrelevant ist. babel vermeidet ihn.
|
|
"polyglossia": "",
|
|
"babel": r"\usepackage[ngerman]{babel}",
|
|
# Robustheit gegen ueberlange Zeilen aus der PDF-Textextraktion:
|
|
# - pdflscape: erlaubt \begin{landscape} fuer quergestellte Verzeichnistabellen
|
|
# - \UrlBreaks: lange Quellpfade in ``...`` duerfen umbrechen
|
|
"preamble": r"""
|
|
\usepackage{microtype}
|
|
\usepackage{pdflscape}
|
|
\emergencystretch=3em
|
|
\setcounter{tocdepth}{2}
|
|
\sloppy
|
|
\renewcommand{\sphinxbreaksbeforeactivelist}{\do\-\do\/\do\_\do\.}
|
|
""",
|
|
}
|