知网 CAJ 转 PDF

要解决什么问题

在国内做文献阅读时，知网导出的 .caj 往往无法在普通 PDF 阅读器里直接打开，也无法复制正文。老格式 KDH、外层包装的 PDF，以及页面以图像元素存储的 HN/C8，处理方式各不相同；批量下载后若逐个手动转换，既慢又容易漏掉失败文件。

技能如何工作

本技能在目录内 bundled caj2pdf，通过 scripts/convert.py 完成转换，并用 pymupdf 替代外部 mutool CLI 做 PDF 结构修复与扫描检测。典型流程是：

1. 运行 scripts/setup_check.py 确认 PyPDF2、imagesize、pymupdf 等依赖是否就绪；
2. 对单文件、目录或 glob 批量执行转换，必要时用 --info 只看格式信息、用 --no-toc 排查目录相关失败；
3. 转换结束后脚本会标注 [文字可选中] 或 [扫描版/图像型]，批量模式还会汇总成功/失败数并列出失败文件名。

常见输入与输出对应关系如下：

| 格式 | 说明 | 输出倾向 |
|------|------|----------|
| CAJ / KDH / 包装 PDF | 内嵌或可解密的 PDF | 尽量 文字可选中 |
| HN/C8 | 页面元素图像存储 | 图像型 PDF（需 OCR 才能编辑文字） |

HN/C8 依赖 bundled 的 libjbigdec-w64.dll；DLL 不可用时仍会走页面图像提取，但结果仍是扫描型 PDF。

适用边界与注意点

• 加密/DRM 或严重损坏的 CAJ 可能转换失败，需单独 --info 排查。
• HN/C8 不会产出可选中文本，这是格式本身限制，不是脚本 bug。
• 脚本支持 UTF-8 中文路径；若遇权限或路径问题，先确认读写目录再重试。
• 技能采用 GPL-3.0；CAJ 为知网专有格式，对外发布或再分发时需自行对照知网服务条款与平台政策。