كيفية ترجمة ملف PDF متعدد الأعمدة دون إفساد ترتيب القراءة

إجابة سريعة: تحقق من ترتيب القراءة قبل الترجمة

قد يبدو ملف PDF ثنائي الأعمدة مرتبًا ومع ذلك يعطي أداة الترجمة الفقرات بترتيب خاطئ. عندما يحدث ذلك، قد تكون الترجمة سليمة جملةً بجملة، بينما تتوقف الصفحة ككل عن أن تكون مفهومة. لا تستطيع أي أداة أن تترجم نفسها للخروج من مصدر قرأته بترتيب خاطئ.

إذن ترتيب العمل هو:

1. تحقق من كيفية قراءة الصفحة. انسخ صفحة تمثيلية واحدة وتأكد من أن كل فقرة تظهر بالترتيب الذي سيقرأه به شخص ما.
2. اختر سير العمل بناءً على ذلك الفحص. استخدم ترجمة PDF التي تحافظ على التخطيط عندما يكون الترتيب صحيحًا، ووضع OCR عندما يكون النص غير قابل للاستخدام، ومسار التحويل والإصلاح عندما تحتاج إلى ملف قابل للتحرير.
3. تحقق من الأعمدة المترجمة. انظر إلى فاصل الأعمدة، وتسميات الأشكال التوضيحية، والملاحظات بعرض الصفحة الكامل، والحواشي السفلية، والأسطر التي تمتد طويلًا.

يُظهر بقية هذا الدليل لماذا لا يمكن تخطي الخطوة 1، باستخدام اختبار صغير يمكنك تنزيله وتشغيله بنفسك. يغطي ملفات PDF التي تحتوي على طبقة نص حقيقية، مثل التقارير المُصدَّرة والأوراق البحثية والنشرات الإخبارية. إذا كانت صفحاتك عبارة عن مسح ضوئي، فابدأ بـ كيفية ترجمة ملف PDF ممسوح ضوئيًا.

ما اختبرناه

في 2026-10-20 أنشأنا ثلاثة ملفات PDF من صفحة واحدة من نفس النص: عنوان، ومربع شكل توضيحي في أعلى العمود الأيسر، وثلاث فقرات في كل عمود، وملاحظة غامقة تمتد على كلا العمودين، وحاشية سفلية. تبدأ كل فقرة بعلامة من P1 إلى P8، لذا فإن ترتيب القراءة الصحيح هو من P1 إلى P8.

تختلف الملفات الثلاثة بطرق لا يمكنك رؤيتها على الشاشة:

• يخزن two-column-stream-logical.pdf النص في العمود الأيسر أولاً، ثم العمود الأيمن.
• يبدو two-column-stream-rowwise.pdf مطابقًا لكنه يخزن الأسطر صفًا بصف، بالتناوب بين الأعمدة.
• يخزن two-column-no-figure-rowwise.pdf النص صفًا بصف وليس به مربع شكل توضيحي. إنه ملف التحكم.

ثم استخرجنا النص بسبع طرق مفتوحة المصدر شائعة وسجلنا ترتيب الفقرات الذي أعادته كل طريقة:

لم تصب أي من الطرق السبع في جميع الملفات الثلاثة. كل طريقة أصابت في ملف واحد أخطأت في آخر. في ملف التحكم، طبع كل من pdftotext -raw وpdftotext -layout وPyMuPDF مع sort=True أيضًا ثلاثة أسطر خلط كل منها نصًا من العمودين، وهو بالضبط ما يراه القارئ عندما يمتد النص المنسوخ عبر الفراغ بين العمودين. أنتج PyMuPDF مع sort=True سطرًا واحدًا من هذا القبيل في كل من الملفين الآخرين أيضًا.

الاختبار صغير عمدًا: صفحة إنجليزية اصطناعية واحدة، غير موسومة، أُنشئت باستخدام ReportLab. وهو لا يصنف هذه المكتبات، ولم يختبر أي منتج ترجمة، بما في ذلك BookTranslator. ما يظهره أضيق وأكثر فائدة: يمكن أن تنتج صفحة تبدو متطابقة ترتيب مصدر مختلفًا، لذا فإن الفحص الموثوق الوحيد هو ملفك الخاص.

يمكنك إعادة إنتاج الاختبار باستخدام مولّد النماذج، وملفات PDF الثلاثة (منطقي، صفًا بصف، بدون شكل)، ومدقق الترتيب، ومشغّل المستخرجات الذي يستدعي الطرق السبع جميعها، وملف النتائج CSV.

لماذا تُقرأ الصفحة نفسها بترتيبات مختلفة

تستخدم المستخرجات إحدى استراتيجيتين، وكل منهما تفشل في ملف مختلف.

الاستراتيجية 1: اتباع الترتيب المخزّن في الملف. يرسم ملف PDF النص بالترتيب الذي كتبه منشئه. يصف دليل poppler pdftotext -raw بأنه يحافظ على "النص بترتيب تدفق المحتوى" (ولم يعد يوصي بهذا الوضع)، وتقول وثائق PyMuPDF إن مخرجاته الافتراضية نص عادي "كما هو مشفّر في المستند" (دليل poppler pdftotext، وصفات نص PyMuPDF). ينجح ذلك عندما يخزّن الملف النص بترتيب القراءة. ويفشل عندما يكون الترتيب المخزّن صفًا بصف، كما في ملفنا الثاني، رغم أن الصفحة تبدو متطابقة.

الاستراتيجية 2: إعادة بناء الترتيب من موضع النص على الصفحة. يحاول الوضع الافتراضي لـ pdftotext إخراج النص "بترتيب القراءة"، ويجمع pdfminer.six الأسطر المتقاربة في صناديق ويتيح لك ترجيح "موضع أفقي وعمودي" عند ترتيبها، ويرتب PyMuPDF مع sort=True "من أعلى اليسار إلى أسفل اليمين" (pdfminer.six LAParams). تتجاهل هذه الطرق الترتيب المخزّن، لذا يعطي الملفان المنطقي وصفًا بصف نتائج متطابقة.

يفسّر ملف التحكم الفشل. بدون الشكل، يقرأ الوضع الافتراضي لـ pdftotext وpdfminer.six كليهما P1 حتى P8 بشكل صحيح. أضف صندوق شكل في أعلى العمود الأيسر، فيصبح أول فقرة على اليمين (P4) أعلى نص في الصفحة. والطريقة التي ترجّح الموضع العمودي تبدأ الصفحة من هناك.

هذا تصميم صفحة شائع، وليس حالة نادرة: تفتتح الأوراق البحثية العمود الأيسر بشكل أو صندوق ملخص، وتبدأ المجلات عمودًا أسفل صورة، وتضع الأدلة صندوق تحذير فوق الخطوة الأولى. بقي الإشعار بعرض الصفحة الكامل (P7) والحاشية (P8) في مكانهما في كل تشغيل، لذا فإن فحصًا ينظر فقط إلى أسفل الصفحة سيفوته المشكلة.

الخطوة 1: افحص ملف PDF الخاص بك في خمس دقائق

العلامات في ملف الاختبار لدينا غير موجودة في مستندك، لكن الفحص نفسه ينجح مع بضع جمل تختارها بنفسك.

1. اختر أصعب صفحة، لا الصفحة الأولى. اختر صفحة بعمودين مع شكل أو جدول أو ملاحظة محاطة بإطار قرب أعلى أحد العمودين، بالإضافة إلى عنوان أو ملاحظة بعرض الصفحة الكامل في منتصف الصفحة.
2. اكتب خمس عبارات مرساة، بترتيب القراءة: الكلمات الأولى من العمود الأيسر، والكلمات الأخيرة من العمود الأيسر، والكلمات الأولى من العمود الأيمن، والعنصر بعرض الصفحة الكامل، والتسمية التوضيحية.
3. انسخ الصفحة كاملة من عارض PDF والصقها في محرر نصوص عادي. إذا كنت تستخدم أداة بها معاينة للمصدر، فاستخدم تلك المعاينة بدلًا من ذلك، لأنها تُظهر الترتيب الذي استلمته الأداة فعليًا.
4. ابحث عن المراسي في النص الملصوق. يجب أن تظهر بالترتيب الذي كتبته، ولا يجب أن يحتوي أي سطر واحد على كلمات من كلا العمودين.
5. كرر ذلك لنوع صفحة مختلف، مثل صفحة مراجع، أو صفحة بها شريط جانبي، أو الصفحة الأولى من فصل.

فسّر النتيجة على النحو التالي:

النسخ واللصق فحص سريع، وليس دليلًا على ما ستفعله أداة أخرى. يوضح جدولنا أن أداتين يمكن أن تقرأا الملف نفسه بشكل مختلف. نتيجة العارض لديك تخبرك بمدى خطورة الملف. معاينة الأداة نفسها، أو ترجمة تجريبية لصفحة واحدة، تخبرك بما تقرأه تلك الأداة فعليًا.

إذا لُصق النص بالحروف الصحيحة لكن بتباعد أو فواصل أسطر مكسورة، أصلح مشكلات نص النسخ واللصق قبل أن تحكم على ترتيب الأعمدة.

الخطوة 2: اختر سير العمل بناءً على ما رأيته

اختر سير العمل بناءً على الفحص، لا بناءً على ادعاء أداة أنها تحافظ على تخطيطك.

الترتيب صحيح والنص قابل للتحديد. ترجم ملف PDF كملف، لا بلصق أجزاء. سير العمل الذي يحافظ على التخطيط يعيد وضع النص المترجم في الصفحة، فتبقى الأعمدة والأشكال والعناوين الجارية حيث يتوقعها القراء. في BookTranslator، هذا هو مسار ترجمة PDF القياسي. تعامل مع أي وعد بالحفاظ على التخطيط، بما في ذلك وعدنا، كشيء يجب التحقق منه على أصعب صفحة وجدتها في الخطوة 1، لا كضمان.

الترتيب ينكسر فقط قرب الأشكال أو العناصر المحاطة بإطار. قبل ترجمة المستند بأكمله، شغّل صفحة مشكلة واحدة عبر الأداة التي اخترتها. إذا خرجت تلك الصفحة بالترتيب الصحيح، فالأداة لا تستخدم الاستراتيجية نفسها التي يستخدمها فحص النسخ لديك. وإذا خرجت مشوشة، فغيّر سير العمل بدلًا من الأمل في أن يتصرف باقي الملف بشكل مختلف.

الصفحة ممسوحة ضوئيًا، أو طبقة النص غير قابلة للاستخدام. استخدم OCR. يقرأ وضع OCR في BookTranslator صورة الصفحة ويعيد بناء ملف PDF مترجم نظيف. توصي تلك الصفحة به للكتب المدرسية والأوراق الأكاديمية والجداول والصفحات كثيفة الصور حيث يكون الحفاظ على المحتوى أهم من التخطيط الدقيق. لم نختبره على النماذج في هذا الدليل. المقايضة صريحة: لا يحاول وضع OCR الحفاظ على التخطيط الأصلي أو الخطوط أو أحجام الخطوط. للمسح الضوئي على وجه الخصوص، راجع كيفية ترجمة ملف PDF ممسوح ضوئيًا.

تحتاج إلى مستند قابل للتحرير على أي حال. حوّل PDF إلى Word، وأصلح ترتيب القراءة هناك، وترجم DOCX. يتطلب هذا أكبر جهد، لكنه المسار الوحيد الذي يمكنك فيه تصحيح ترتيب الفقرات مباشرة قبل الترجمة. كما يغيّر التخطيط، لذا استخدمه عندما سيُحرَّر الناتج أكثر، لا عندما يجب أن يبدو مثل الصفحة الأصلية.

تجنب لصق الأعمدة في روبوت محادثة أو مربع نص. تصبح مسؤولًا عن إعادة بناء الترتيب والتسميات التوضيحية والحواشي يدويًا، في كل صفحة. يوضح جدولنا مدى سهولة أن يفسد ذلك الترتيب قبل أن تبدأ.

بالنسبة للأوراق الأكاديمية، حيث تتحد المشكلة نفسها مع المعادلات والاقتباسات والمراجع، اتبع سير عمل ترجمة الأوراق البحثية. وللعملية العامة للحفاظ على التخطيط عبر جميع أنواع PDF، راجع كيفية ترجمة PDF مع الحفاظ على التنسيق.

الخطوة 3: تحقق من الأعمدة المترجمة

تفشل ترجمة الأعمدة المتعددة في مواضع لا تلاحظها نظرة سريعة. تحقق من هذه المواضع الخمسة في كل نوع صفحة اختبرته في الخطوة 1:

1. فاصل العمود. اقرأ الجملة الأخيرة من العمود الأيسر والجملة الأولى من العمود الأيمن. يجب أن تستمر الحجة، لا أن تقفز إلى فقرة مختلفة.
2. التسميات التوضيحية والأشكال. يجب أن يظل كل تعليق تحت الشكل الخاص به، مترجمًا، وألا ينزلق إلى نص المتن.
3. العناصر بعرض الصفحة الكامل. يجب أن تظل العناوين والملاحظات والاقتباسات البارزة التي تمتد على العمودين ممتدة عليهما، وألا تُقسَّم إلى جملتين نصيتين.
4. الحواشي السفلية والعناوين الجارية. يجب أن تتطابق علامات الحواشي في المتن مع الملاحظات في أسفل الصفحة، وألا تظهر رؤوس الصفحات في منتصف الفقرة.
5. الفيض في الأعمدة الضيقة. غالبًا ما يكون النص المترجم أطول من المصدر. تشير إرشادات W3C حول حجم النص في الترجمة إلى أرقام IBM التي تبلغ حوالي 130% من الطول للنص المصدر الإنجليزي الذي يزيد عن 70 حرفًا عند ترجمته إلى اللغات الأوروبية، مع زيادات أكبر للسلاسل القصيرة. العمود الضيق ليس لديه مساحة كبيرة لهذا النص الإضافي، لذا ابحث عن الأسطر المقتطعة أو الخطوط المصغرة أو النص المتداخل مع الأشكال. العناوين وخلايا الجداول هي الأكثر عرضة للفيض.

للمراجعة، يساعد الملف ثنائي اللغة، لكن تخطيطه مهم. وضع المصدر والترجمة على نفس الصفحة يضغط لغتين في أعمدة كانت ضيقة بالفعل. في ترجمة PDF القياسية من BookTranslator (مع إيقاف وضع OCR)، يقدم ملف PDF ثنائي اللغة تخطيطين، نفس الصفحة وصفحات منفصلة. للمستندات متعددة الأعمدة، اختر صفحات منفصلة: تتبع كل صفحة مصدر صفحتها المترجمة، لذا يحتفظ كل عمود بعرضه الأصلي. لا يزال بإمكانك تنزيل النسخة المترجمة فقط أيضًا. تغطي قائمة التحقق من جودة ترجمة PDF لدينا فحوصات مستوى الملف المتبقية.

إذا كان ملف PDF المترجم يحتاج أيضًا إلى العمل مع قارئات الشاشة، فإن الترتيب البصري لا يكفي. يحتاج ترتيب القراءة الموسوم إلى فحص خاص به. تشير W3C إلى أن ترتيب قراءة PDF الموسوم "يُحدد بشكل أساسي من خلال ترتيب وسوم عناصر المستند" (W3C PDF3). يوضح دليلنا حول إمكانية الوصول إلى PDF المترجم كيفية اختباره.

ما لا يدّعيه هذا الدليل

• إنه ليس تصنيفًا للأدوات. تم اختيار أدوات الاستخراج السبع لأنها شائعة ويسهل إعادة تشغيلها. فشلت كل واحدة منها في ملف واحد على الأقل من ثلاثة ملفات، وقد يغير ملف اختبار مختلف الأدوات التي تفشل.
• لم تختبر منتجات الترجمة. لم نشغّل BookTranslator أو DeepL أو Google Translate أو أي مترجم آخر على هذه الملفات. أوصاف المنتجات أعلاه مأخوذة من النص الترويجي الحالي لـ BookTranslator، وليس من هذا الاختبار.
• صفحة واحدة ليست مستندًا. تخلط الملفات الحقيقية بين تصاميم الصفحات، لذا تحقق من نوعين من الصفحات على الأقل.
• قد تتصرف ملفات PDF الموسومة بشكل مختلف. ملفاتنا النموذجية غير موسومة. يحمل ملف PDF الموسوم بشكل صحيح ترتيب قراءة صريحًا تستخدمه بعض الأدوات.

تبقى القاعدة العملية قائمة على أي حال: اكتشف كيف يُقرأ ملف PDF الخاص بك قبل ترجمته. إذا كان الترتيب صحيحًا، فترجم الملف وتحقق من الأعمدة. إذا كان خاطئًا، فغيّر سير العمل، لا إعدادات الترجمة.