pdf2html: CMYK-блоки с ext=png на деле JPEG — декодировать через Pixmap

На «Запускаем Ansible» 3-го изд. 10 из 593 картинок — блоки с
b["ext"]=="png" и colorspace=4, но реальные байты — CMYK JPEG (FFD8,
подтверждено file). Запись b["image"] как есть под именем .png давала файл,
который pngquant и часть читалок отказывались декодировать.

_image_png() декодирует сырые байты через pymupdf.Pixmap (MuPDF определяет
формат по содержимому, не по чужому ext), при colorspace не Gray/RGB
конвертирует в RGB, и всегда отдаёт настоящий PNG. На отказе декодирования —
откат к исходным байтам, не падать.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

scripts/pdf2html.py

@@ -45,6 +45,26 @@ SOFT_HYPHEN = "\u00ad"
 OCR = False
 
 
+def _image_png(raw):
+    """Байты картинки блока -> настоящий PNG.
+
+    b["ext"] врёт: на «Запускаем Ansible» 3-го изд. блоки с ext="png" и
+    colorspace=4 на деле — CMYK JPEG (magic FFD8, подтверждено `file`), и
+    PNG-инструменты (pngquant) отказываются их декодировать с именем .png.
+    Вместо доверия заявленному формату декодируем через Pixmap (MuPDF сам
+    распознаёт реальный формат по данным) и всегда отдаём RGB PNG — тогда
+    имя файла (.png) не расходится с содержимым и CMYK не ловит инверсию
+    цвета в читалках, которые не ждут Adobe-JPEG с четырьмя каналами.
+    """
+    try:
+        pix = pymupdf.Pixmap(raw)
+        if pix.colorspace is not None and pix.colorspace.n not in (1, 3):
+            pix = pymupdf.Pixmap(pymupdf.csRGB, pix)
+        return pix.tobytes("png")
+    except Exception:
+        return raw  # не смогли декодировать — пишем как есть, лучше так, чем ничего
+
+
 def style(font, flags=0):
     """Полужирный и курсив: сначала флаги, затем имя — имена бывают пустыми."""
     f = font.lower()
@@ -330,7 +350,7 @@ for pno, page in enumerate(doc):
                 continue  # подложка отсканированной полосы: текст берём из OCR-слоя
             img_n += 1
             name = "img%02d.png" % img_n
-            (IMGDIR / name).write_bytes(b["image"])
+            (IMGDIR / name).write_bytes(_image_png(b["image"]))
             if open_para:
                 parts.append(open_para)
                 open_para = None