Wissenschaftliche Publikationen und Dissertationen aus chinesischen Datenbanken stellen Forschungseinrichtungen sowie Fachanwender regelmäßig vor technische Hürden.
Die Plattform China National Knowledge Infrastructure (CNKI) stellt Dokumente häufig ausschließlich im hauseigenen Format CAJ bereit. Das quelloffene Befehlszeilenwerkzeug caj2pdf bietet eine kostenlose Möglichkeit, diese Dateien lokal auf dem eigenen System in standardisierte PDF-Dokumente zu überführen.
Proprietäres CAJ-Format und Einschränkungen für Nutzer
Das CAJ-Format (China Academic Journals) ist ein proprietäres, binäres Dateiformat von CNKI und entspricht keinem offenen ISO-Standard. Technisch besteht es aus einem spezifischen Datei-Header mit Versions- und Verschlüsselungskennungen, einer Index-Tabelle sowie einer Blockstruktur mit Datenzeigern für einzelne Seiten.
CNKI nutzt verschiedene Dateiendungen: Während .caj für Volltexte verwendet wird, kennzeichnet .nh typischerweise Dissertationen und .kdh Zeitungsbeiträge. Für bestimmte Arbeiten, insbesondere Dissertationen, liefert die Datenbank keine PDF-Alternative.
Das Sicherheits- und Rechtemodell basiert primär auf einer im offiziellen Anzeigeprogramm CAJViewer verankerten Prüflogik, nicht auf einer nativen Schutzstruktur im Dateiformat selbst.
Bei reinen Scan-Dateien bleibt eine Textextraktion zudem ohne optische Zeichenerkennung (OCR) unmöglich. Da externe Online-Konverter erhebliche Bedenken bezüglich des Datenschutzes und des Urheberrechts aufwerfen, gewinnt die rein lokale Transformation von Dokumenten an Bedeutung.
Funktionsweise und Systemanforderungen von caj2pdf
Das unter der GLWTPL lizenzierte Python-Werkzeug caj2pdf führt Konvertierungen vollständig offline durch. Die Software unterstützt neben dem Kernformat CAJ auch die Varianten HN, C8, PDF, KDH und TEB. Sollte eine bisher nicht unterstützte Dateivariante verarbeitet werden, bricht das Programm mit dem Hinweis auf einen unbekannten Dateityp ab.
Wer Dissertationen aus chinesischen Datenbanken nur im proprietären CAJ-Format erhält, steht vor einem bekannten Problem: Der Anzeige-Zwang blockiert jede automatisierte Weiterverarbeitung. Der kostenlose Leitfaden zeigt Schritt für Schritt, wie Sie CAJ-Dateien rein lokal in PDF überführen — von der Installation der Abhängigkeiten bis zur Stapelverarbeitung ganzer Ordner. Jetzt kostenlosen Leitfaden zur CAJ-Konvertierung anfordern
Für den Betrieb setzt caj2pdf eine Python-Umgebung ab Version 3.3 voraus. Zu den erforderlichen Abhängigkeiten gehören die Bibliotheken PyPDF2 und imagesize sowie das Dienstprogramm mutool aus dem MuPDF-Paket.
Wer Dokumente im speziellen HN-Format verarbeiten möchte, benötigt zusätzlich die Systembibliotheken libjbigdec.so und libjbig2codec.so. Die Installation des Programms erfolgt über den Bezug des Quellcodes und die anschließende Installation der Paketabhängigkeiten.
Befehlsumfang und Verarbeitung im Stapelbetrieb
Die Bedienung von caj2pdf erfolgt über die Kommandozeile. Eine Standardkonvertierung wird über den Befehl convert ausgeführt, wodurch automatisch eine gleichnamige PDF-Datei erzeugt wird. Über den Parameter -o lässt sich alternativ ein abweichender Ausgabename definieren. Mehrere Dokumente können mittels Shell-Schleifen im Stapelbetrieb verarbeitet werden.
Neben der reinen Konvertierung bietet das Werkzeug spezialisierte Funktionen:
– Mit caj2pdf show lassen sich Typ, Seitenzahl sowie die Anzahl der hinterlegten Gliederungseinträge inspizieren.
– Der Befehl caj2pdf outlines extrahiert die Gliederung der CAJ-Datei und fügt diese nachträglich in ein bestehendes PDF-Dokument ein, sodass die Navigationsstruktur erhalten bleibt.
Ergänzende Open-Source-Ansätze
Für Dokumente mit zeitlichen Zugriffsbeschränkungen existiert mit ScienceDecrypting ein weiteres Python-basiertes Open-Source-Werkzeug. Das Tool entfernt Zeit- und Funktionsbeschränkungen aus CAJ-Dokumenten der Wissenschaftsbibliothek (Science Reading) sowie der staatlichen chinesischen Normendatenbank und wandelt diese unter Beibehaltung von Text und Gliederungsstruktur in reguläre PDFs um.
Online-Konverter sind bei urheberrechtlich geschützten Fachtexten keine Option — jede hochgeladene Datei verlässt das eigene Netz. Der Leitfaden erklärt, wie Sie die Konvertierung vollständig offline auf Ihrem System einrichten und dabei die Gliederungsstruktur der Originaldokumente erhalten. Offline-Konvertierung jetzt einrichten
Im Gegensatz zu caj2pdf erfordert dieser Entschlüsselungsvorgang eine aktive Internetverbindung zur Authentifizierung. Beide Open-Source-Werkzeuge minimieren die Abhängigkeit von proprietären Anzeigeprogrammen und ermöglichen die Einbindung chinesischer Fachliteratur in automatisierte, lokale Arbeitsabläufe.
