python的知网caj格式转pdf

python caj2pdf convert [input_file] -o/ --output [output_file] “”“python 工程需要配置PyPDF2”“”

import os
import struct
from shutil import copy
from subprocess import check_output STDOUT CalledProcessError
from utils import fnd fnd_all add_outlines fnd_rvrs fnd_unuse_no

KDH_PASSPHRASE = b“FZHMEI“


class CAJParser（object）:
    def __init__（self filename）:
        self.filename = filename
        try:
            with open（filename “rb“） as caj:
                fmt = struct.unpack（“4s“ caj.read（4））[0].replace（b‘\x00‘ b‘‘）.decode（“gb18030“）
            if fmt == “CAJ“:
                self.format = “CAJ“
                self._PAGE_NUMBER_OFFSET = 0x10
                self._TOC_NUMBER_OFFSET = 0x110
            elif fmt == “HN“:
                self.format = “HN“
                self._PAGE_NUMBER_OFFSET = 0x90
                self._TOC_NUMBER_OFFSET = 0x158
            elif fmt == “%PDF“:
                self.format = “PDF“
            elif fmt == “KDH “:
                self.format = “KDH“
            else:
                self.format = None
                raise SystemExit（“Unknown file type.“）
        except UnicodeDecodeError:
            raise SystemExit（“Unknown file type.“）

    @property
    def page_num（self）:
        with open（self.filename “rb“） as caj:
            caj.seek（self._PAGE_NUMBER_OFFSET）
            [page_num] = struct.unpack（“i“ caj.read（4））
            return page_num

    @property
    def toc_num（self）:
        with open（self.filename “rb“） as caj:
            caj.seek（self._TOC_NUMBER_OFFSET）
            [toc_num] = struct.unpack（“i“ caj.read（4））
            return toc_num

    def get_toc（self）:
        toc = []
        with open（self.filename “rb“） as caj:
            for i in range（self.toc_num）:
                caj.seek（self._TOC_NUMBER_OFFSET + 4 + 0x134 * i）
                toc_bytes = struct.unpack（“256s24s12s12si“ caj.read（0x134））
                ttl_end = toc_bytes[0].find（b“\x00“）
                title = toc_bytes[0][0:ttl_end].decode（“gb18030“）.encode（“utf-8“）
                pg_end = toc_bytes[2].find（b“\x00“）
                page = int（toc_bytes[2][0:pg_end]）
                level = toc_bytes[4]
                toc_entry = {“title“: title “page“: page “level“: level}
                toc.append（toc_entry）
        return toc

    def output_toc（self dest）:
        toc_items = self.get_toc（）
        with open（dest “wb“） as f:
            for toc in toc_items:
                f.write（b‘    ‘ * （toc[“level“] - 1） + toc[“title“]
                        + b‘    ‘ + str（toc[“page“]）.encode（“utf-8“） + b‘\n‘）

    def convert（self dest）:
        if self.format == “CAJ“:
            self._convert_caj（dest）
        elif self.format == “HN“:
            self._convert_hn（dest）
        elif self.format == “PDF“:
            self._convert_pdf（dest）
        elif self.format == “KDH“:
            self._convert_kdh（dest）

    def _convert_caj（self dest）:
        caj = open（self.filename “rb“）

        # Extract original PDF data （and add header）
        caj.seek（self._PAGE_NUMBER_OFFSET + 4）
      

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    1274316  2020-12-08 20:28  caj2pdf-master\.github\111.caj

    .......        30  2020-01-18 22:00  caj2pdf-master\.github\FUNDING.yml

    .......      1774  2020-01-18 22:00  caj2pdf-master\.gitignore

     文件        464  2020-12-08 20:45  caj2pdf-master\.idea\caj2pdf-master.iml

     文件        174  2020-12-08 20:45  caj2pdf-master\.idea\inspectionProfiles\profiles_settings.xml

     文件        204  2020-12-08 20:45  caj2pdf-master\.idea\misc.xml

     文件        287  2020-12-08 20:45  caj2pdf-master\.idea\modules.xml

     文件       3194  2020-12-08 21:09  caj2pdf-master\.idea\workspace.xml

     文件       1965  2020-12-08 21:09  caj2pdf-master\caj2pdf

     文件      11354  2020-12-08 21:00  caj2pdf-master\cajparser.py

    .......       958  2020-01-18 22:00  caj2pdf-master\LICENSE

     文件   37354496  2020-10-07 19:31  caj2pdf-master\mutool.exe

    .......      3199  2020-01-18 22:00  caj2pdf-master\README.md

    .......      5894  2020-01-18 22:00  caj2pdf-master\utils.py

     文件       7870  2020-12-08 21:00  caj2pdf-master\__pycache__\cajparser.cpython-37.pyc

     文件       5934  2020-12-08 20:48  caj2pdf-master\__pycache__\utils.cpython-37.pyc

     目录          0  2020-12-08 20:45  caj2pdf-master\.idea\inspectionProfiles

     目录          0  2020-12-08 20:47  caj2pdf-master\.github

     目录          0  2020-12-08 21:09  caj2pdf-master\.idea

     目录          0  2020-12-08 21:00  caj2pdf-master\__pycache__

     目录          0  2020-12-08 21:09  caj2pdf-master

----------- ---------  ---------- -----  ----

             38672113                    21