PDF 全文翻译，保留样式，大模型加持的全新方案，附核心代码

Ai学习的老章

发布于 2026-03-02 20:19:37

230

文章被收录于专栏：机器学习与统计学机器学习与统计学

Claude 这份创建 Skills 指南非常有价值

但是学习起来有点低效，我要将其翻译成中文

四名选手参加（后面有 GTP-5.2-Codex 参赛）

K2.5 其实中间找到了一个开源项目PDF2Zh，计划按要求实行翻译，但是部署时遇到了 bug，我有点不太喜欢成熟方案，太重了。K2.5 发现部署有麻烦后，也转为了下面方案，我没有让它继续

Gemini-3-Pro 和 Claude-Opus-4.5 不约而同偷懒，Gemini-3-Pro 选择了最简单的 PDF 抽取文字翻译后重构为结构清晰的 Markdown 文档，然后生成支持中文渲染的 HTML 页面，并利用 Google Chrome 的 Headless 打印成 PDF

Claude-Opus-4.5 选择了原始 PDF → pdf2docx 转 DOCX → 翻译 DOCX 内容 → docx2pdf 转回 PDF，感觉前者更省事儿一些。

我觉得挺好的，唯一缺点就是没有保留原始样式

GPT-5.2-Codex 严格遵守的我的要求——保留样式

核心思路是“两阶段 + 缓存”：

文本抽取与翻译阶段

用 PyMuPDF 读取 PDF，每页提取文本块（bbox、字号、文本内容）
调用模型 API 翻译文本块，按块 ID 存入翻译缓存
翻译缓存落盘，支持中断续跑

重新排版与导出阶段

把每一页先渲染成位图，避免字体嵌入导致的问号问题
在每个原文字块区域先画白底，彻底覆盖英文
按区域宽高自动缩放字号，回填中文文本
最后把所有页面合成为 PDF

这里只有一点瑕疵，就是文字白底，我尝试多次，它没有消除这个 bug

瑕不掩瑜

GPT-5.2-Codex 帮我写了 Python 脚本，其他英文 PDF 也可以直接执行

当然下一步也可以做成 Skills，这个下篇文章我再介绍

核心代码：

import json
import re
import fitz
import requests
from PIL import Image, ImageDraw, ImageFont

def extract_blocks(input_pdf):
    doc = fitz.open(str(input_pdf))
    blocks = []
    for p in range(len(doc)):
        d = doc[p].get_text("dict")
        for b in d.get("blocks", []):
            if b.get("type") != 0:
                continue
            lines, sizes = [], []
            for line in b.get("lines", []):
                spans = line.get("spans", [])
                t = "".join(s.get("text", "") for s in spans)
                if t.strip():
                    lines.append(t)
                for s in spans:
                    if"size"in s:
                        sizes.append(s["size"])
            text = "\n".join(lines).strip()
            ifnot text:
                continue
            blocks.append({
                "page": p,
                "bbox": b.get("bbox"),
                "text": text,
                "font_size": sizes[len(sizes)//2] if sizes else10
            })
    return blocks

def call_translate(api_base, model, api_key, items):
    payload = {
        "model": model,
        "messages": [
            {"role": "system", "content": "Translate English to Simplified Chinese. Keep line breaks. Return JSON."},
            {"role": "user", "content": json.dumps({"items": items}, ensure_ascii=False)},
        ],
        "temperature": 0.2,
        "response_format": {"type": "json_object"},
    }
    headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
    r = requests.post(f"{api_base.rstrip('/')}/chat/completions", json=payload, headers=headers, timeout=120)
    r.raise_for_status()
    content = r.json()["choices"][0]["message"]["content"]
    m = re.search(r"\{.*\}\s*$", content, re.S)
    if m:
        content = m.group(0)
    return json.loads(content)["items"]

def translate_blocks(blocks, api_base, model, api_key, batch_size=8):
    cache = {}
    pending = [(i, b["text"]) for i, b in enumerate(blocks)]
    for i in range(0, len(pending), batch_size):
        batch = pending[i:i+batch_size]
        items = [{"id": idx, "text": txt} for idx, txt in batch]
        translated = call_translate(api_base, model, api_key, items)
        for it in translated:
            cache[int(it["id"])] = it["text"]
    return cache

def build_pdf(input_pdf, output_pdf, blocks, translations, fontfile, dpi=200, min_font_size=3):
    doc = fitz.open(str(input_pdf))
    scale = dpi / 72.0
    font_cache = {}

    def get_font(size):
        key = int(size * scale)
        if key notin font_cache:
            font_cache[key] = ImageFont.truetype(fontfile, key)
        return font_cache[key]

    pages = []
    for p in range(len(doc)):
        pix = doc[p].get_pixmap(dpi=dpi, alpha=False)
        img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
        draw = ImageDraw.Draw(img)

        for idx, b in enumerate(blocks):
            if b["page"] != p:
                continue
            rect = fitz.Rect(b["bbox"])
            x0, y0, x1, y1 = rect.x0*scale, rect.y0*scale, rect.x1*scale, rect.y1*scale

            # 覆盖英文 + 去灰条
            draw.rectangle([x0, y0, x1, y1], fill=(255, 255, 255))

            text = translations.get(idx, b["text"]).replace("\t", "    ")
            size = max(float(b.get("font_size") or10), min_font_size)
            font = get_font(size)

            # 简化版直接写入（完整版里有自动缩放和换行）
            draw.text((x0, y0), text, font=font, fill=(0, 0, 0))

        pages.append(img)

    first, rest = pages[0], pages[1:]
    first.save(str(output_pdf), "PDF", save_all=True, append_images=rest, resolution=dpi)

使用方法

环境准备

安装依赖：

python3 -m pip install pymupdf pillow requests

配置 API Key（示例）：

export SILICONFLOW_API_KEY="YOUR_API_KEY"

可选配置：

export SILICONFLOW_API_BASE="https://api.siliconflow.cn/v1"
export SILICONFLOW_MODEL="MiniMaxAI/MiniMax-M2"

最简命令

python3 -B /Users/zz/Library/Mobile\ Documents/iCloud~md~obsidian/Documents/zhangAI/tmp/pdfs/translate_pdf.py \
  --input-pdf /absolute/path/to/source.pdf

常用命令（指定输出与缓存目录）

python3 -B /Users/zz/Library/Mobile\ Documents/iCloud~md~obsidian/Documents/zhangAI/tmp/pdfs/translate_pdf.py \
  --input-pdf /absolute/path/to/source.pdf \
  --output-pdf /absolute/path/to/source-zh.pdf \
  --work-dir /absolute/path/to/tmp/pdfs

指定中文字体（推荐）

python3 -B /Users/zz/Library/Mobile\ Documents/iCloud~md~obsidian/Documents/zhangAI/tmp/pdfs/translate_pdf.py \
  --input-pdf /absolute/path/to/source.pdf \
  --font /System/Library/Fonts/Supplemental/Songti.ttc