چگونه یک PDF را با حفظ قالب ترجمه کنیم

پاسخ سریع: ساختار معنادار سند را حفظ کنید، نه هر مختصات را

برای ترجمه یک PDF بدون از دست دادن قالب‌بندی، ابتدا تعیین کنید که آیا حاوی متن قابل انتخاب، تصاویر اسکن‌شده یا هر دو است. سپس سخت‌ترین صفحه نمونه را با یک مترجم PDF آگاه به چیدمان قبل از پردازش کل فایل آزمایش کنید. ترتیب خواندن، سرریز متن، جداول، برچسب‌های نمودار، پانویس‌ها، فونت‌ها و متن راست‌به‌چپ را جداگانه بررسی کنید.

هدف، تطابق پیکسل‌به‌پیکسل نیست. یک ترجمه می‌تواند یک شکست خط را جابه‌جا کند یا صفحه‌ای اضافه کند و همچنان سند را به‌درستی حفظ کند. زمانی شکست می‌خورد که اطلاعات ناپدید شوند، به سطر اشتباه جدول منتقل شوند، ناخوانا شوند یا ارتباط خود را با یک عنوان، پانویس یا تصویر از دست بدهند.

از این جدول تصمیم به‌عنوان نقطه شروع استفاده کنید:

این گردش کار اصلی برای دسته ترجمه PDF است. اگر در حال انتخاب بین محصولات هستید نه تشخیص یک فایل، با مقایسه مترجم PDF شروع کنید. اگر نمی‌توانید هیچ متنی را انتخاب کنید، مستقیماً به گردش کار PDF اسکن‌شده و OCR بروید.

معنای واقعی «حفظ قالب‌بندی»

حفظ قالب‌بندی یک ویژگی واحد قبول/رد نیست. حداقل پنج لایه دارد:

1. کامل بودن محتوا: هر پاراگراف، برچسب، هشدار، عدد و یادداشت معنادار باقی می‌ماند.
2. ساختار منطقی: سرتیترها، فهرست‌ها، سلول‌های جدول، شرح‌ها، پانویس‌ها و ترتیب خواندن هنوز همان روابط را بیان می‌کنند.
3. سلسله‌مراتب بصری: عنوان‌ها هنوز مانند عنوان به نظر می‌رسند، شرح‌ها تابع باقی می‌مانند و اشیاء مرتبط گروه‌بندی شده باقی می‌مانند.
4. پشتیبانی از خط: فونت‌های انتخاب‌شده شامل نویسه‌های هدف هستند و جهت‌نویسی و نقطه‌گذاری به درستی نمایش داده می‌شوند.
5. کاربردی بودن صفحه: نتیجه در اندازه معمولی بدون برش، همپوشانی یا کوچک‌شدن بی‌رویه فونت قابل خواندن باقی می‌ماند.

مستندات PDF شرکت Adobe محتوای قابل مشاهده صفحه را به عنوان فهرستی از اشیاء و عملیات نشانه‌گذاری توصیف می‌کند، نه به عنوان دنباله‌ای شبیه Word از پاراگراف‌های قابل ویرایش. همچنین ساختار منطقی یک سند را از جای‌گذاری بصری آن متمایز می‌کند. این تمایز توضیح می‌دهد که چرا یک PDF می‌تواند درست به نظر برسد در حالی که متن کپی‌شده، ترتیب دسترس‌پذیری یا ترتیب ترجمه اشتباه است. مستندات Adobe را در مورد محتوای صفحه PDF و ساختار منطقی در PDFهای برچسب‌گذاری‌شده ببینید.

قاعده عملی ساده است: سند ترجمه‌شده را در سطح روابط مقایسه کنید، نه فقط اسکرین‌شات‌ها.

آزمون فشار قالب‌بندی PDF قابل تکرار

ما یک آزمون فشار ترجمه قالب‌بندی PDF مصنوعی دو صفحه‌ای ایجاد کردیم تا بخش‌های دشوار یک PDF بدون اسناد مشتری آزمایش شوند. این یک PDF برچسب‌گذاری‌شده A4 با نام‌ها و ارقام ساختگی است. این یک فیکسچر است، نه معیار فروشنده و نه اثباتی بر اینکه هر ابزاری ترجمه دقیق تولید می‌کند.

صفحه ۱ آزمایش می‌کند:

• ترتیب خواندن دو ستونی؛
• جدولی با سلول ادغام‌شده؛
• یک عدد صحیح، مبلغ ارزی، درصد علامت‌دار و فرمول؛
• برچسب‌های نمودار که موقعیت آن‌ها معنا را حمل می‌کند؛
• یک ناحیه متنی ثابت عمداً باریک؛
• پانویسی که باید به نشانگر خود متصل بماند.

صفحه ۲ متن انگلیسی، آلمانی، چینی و عربی را در جعبه‌های هم‌اندازه قرار می‌دهد. چهار مشکل مختلف را آشکار می‌کند: گسترش محلی، شکستن خط، نویسه‌های گمشده و چیدمان دوجهته.

راهنمای W3C درباره اندازه متن در ترجمه توضیح می‌دهد که چرا برچسب‌های کوتاه و نواحی با فضای محدود می‌توانند به‌طور نامتناسب گسترش یابند، در حالی که ترجمه‌های دیگر ممکن است کوتاه‌تر شوند. الگوریتم دوجهته یونیکد مشخص می‌کند که نویسه‌های ترکیبی چپ‌به‌راست و راست‌به‌چپ چگونه حل‌وفصل می‌شوند. هیچ‌یک از این دو مشکل را نمی‌توان به‌طور قابل‌اعتماد با شمارش نویسه‌های مبدأ حل کرد.

فایل نمونه را دانلود کنید و آن را از هر گردش کاری که در نظر دارید عبور دهید. ابزار، تاریخ، تنظیمات، زبان مبدأ، زبان مقصد و فایل خروجی را ثبت کنید. این کار «قالب‌بندی خوب به نظر می‌رسد» را به یک آزمون تکرارپذیر تبدیل می‌کند.

PDF خود را پیش از ترجمه تشخیص دهید

۱. بررسی کنید که آیا متن قابل انتخاب است

سعی کنید یک جمله و یک سلول جدول را انتخاب کنید.

• اگر هر دو به‌راحتی انتخاب شوند، PDF احتمالاً لایه متنی قابل‌استفاده‌ای دارد.
• اگر کل صفحه به‌صورت یک تصویر انتخاب شود، به OCR نیاز دارد.
• اگر متن در قطعات ریز انتخاب شود یا ردیف‌های کپی‌شده بی‌ترتیب برسند، جای‌گذاری بصری با ساختار منطقی یکسان نیست.

Adobe اشاره می‌کند که یک PDF اسکن‌شده در ابتدا حاوی داده تصویری است، نه متن قابل جست‌وجو. OCR یک لایه قابل انتخاب و قابل جست‌وجو اضافه می‌کند، اما Adobe همچنین توصیه می‌کند پس از پردازش، خطاهای تشخیص را بازبینی کنید. به تشخیص متن در PDFهای اسکن‌شده مراجعه کنید.

۲. یک بخش دشوار را در یک ویرایشگر متن ساده کپی کنید

این کار را با یک پاراگراف دوستونه، یک ردیف کامل جدول و یک شرح انجام دهید. اگر ترتیب چسبانده‌شده پیش از ترجمه اشتباه باشد، لایه ترجمه از توالی نادرست شروع می‌کند.

مستندات ابزار ترتیب خواندن Adobe نشان می‌دهد که جدول‌های پیچیده، شکل‌ها، ستون‌های با فاصله کم و عناصر صفحه ممکن است به تعمیر صریح ترتیب و برچسب‌گذاری نیاز داشته باشند. روانی نمی‌تواند پاراگرافی را که از قطعات نادرست سرهم شده است تعمیر کند.

۳. دشوارترین صفحه نماینده را انتخاب کنید

صفحه عنوان را آزمایش نکنید. صفحه‌ای را انتخاب کنید که بیشترین احتمال شکست را دارد:

• متراکم‌ترین جدول؛
• باریک‌ترین نوار کناری یا کادر فراخوان؛
• یک صفحه دوستونه با پانویس؛
• یک نمودار با برچسب‌های کوتاه؛
• صفحه‌ای حاوی CJK، عربی، دیواناگری یا خطوط ترکیبی؛
• یک اسکن با کنتراست پایین یا کج‌شدگی.

اگر دشوارترین صفحه شکست بخورد، ترجمه ۲۰۰ صفحه آسان‌تر ابتدا فقط پاک‌سازی بیشتری ایجاد می‌کند.

۴. محدودیت‌های غیرقابل‌مذاکره را ثبت کنید

اسناد مختلف تعاریف متفاوتی از «حفظ‌شده» نیاز دارند.

این محدودیت‌ها را پیش از انتخاب روش ترمیم بنویسید. در غیر این صورت، بازبین‌ها تمایل دارند شباهت بصری را حفظ کنند، حتی وقتی به معنا آسیب می‌زند.

امن‌ترین گردش‌کار سرتاسری

مرحله ۱: منبع را حفظ کنید و یک خط پایه تعیین کنید

یک فایل منبع دست‌نخورده نگه دارید. تعداد صفحات، نوع فایل، زبان، برچسب‌دار بودن PDF و قابل انتخاب بودن متن را ثبت کنید. اگر سند بعداً به‌روزرسانی می‌شود، سند منبع اصلی را همراه با PDF نگه دارید.

مرحله ۲: OCR را فقط در صورت نیاز اجرا کنید

برای صفحات فقط تصویری، OCR را به زبان منبع صحیح اجرا کنید. نام‌ها، اعداد، علائم نگارشی، جدول‌ها، پانویس‌ها و نواحی کم‌کنتراست را پیش از ترجمه بررسی کنید. خطاهای OCR خطاهای بالادستی هستند: یک سیستم ترجمه می‌تواند از متنی که اشتباه شناسایی شده، خروجی روان تولید کند.

راهنمای اختصاصی PDF اسکن‌شده پاک‌سازی اسکن، انتخاب زبان OCR، کاراکترهای مشکوک و بررسی‌های حریم خصوصی را با جزئیات بیشتری پوشش می‌دهد.

مرحله ۳: ترجمه صفحه نمونه

از یک گردش کار استفاده کنید که برای بازگرداندن یک سند طراحی شده باشد، نه فقط متن ترجمه‌شده. برای بیشتر PDFهای قالب‌بندی‌شده، این یعنی بارگذاری فایل آزمایشی در مترجم PDF BookTranslator، انتخاب جفت زبان و بررسی PDF بازگشتی.

فقط ساده‌ترین پاراگراف را ارزیابی نکنید. عناصر دقیق فهرست‌شده در خط پایه خود را مقایسه کنید.

مرحله ۴: بررسی ساختار پیش از واژه‌ها

به این ترتیب بررسی کنید:

1. آیا همه نواحی مبدأ گنجانده شده‌اند؟
2. آیا ترتیب خواندن درست است؟
3. آیا ردیف‌های جدول، برچسب‌های نمودار، شرح‌ها و پانویس‌ها هنوز به اشیاء درست اشاره می‌کنند؟
4. آیا اعداد، نام‌ها، واحدها و فرمول‌ها دست‌نخورده باقی مانده‌اند؟
5. آیا خط هدف به‌درستی نمایش داده می‌شود؟
6. تنها پس از آن: آیا ترجمه روان و دقیق است؟

ترجمه صیقل‌خورده از ترتیب متن اشتباه، هنوز یک سند ناموفق است.

مرحله ۵: ترجمه کل فایل و نمونه‌گیری از صفحات پرخطر

پس از قبولی صفحه نمونه، کل PDF را ترجمه کنید. اولین، میانی و آخرین وقوع هر ساختار پرخطر را بررسی کنید، نه فقط صفحه اول.

برای یک گزارش طولانی، این ممکن است به معنای موارد زیر باشد:

• اولین و آخرین صفحه دوستونه؛
• ساده‌ترین و متراکم‌ترین جدول؛
• یک نمودار نزدیک به ابتدا و انتها؛
• هر صفحه هشدار؛
• هر صفحه‌ای که خط یا قلم هدف تغییر می‌کند.

مرحله ۶: اعمال کم‌تخریب‌ترین تعمیر

یک مشکل محلی را به‌صورت محلی تعمیر کنید. به‌خاطر یک عنوان طولانی، کل سند را به‌طور سراسری کوچک نکنید.

رفع سرریز متن بدون کوچک کردن همه‌چیز

متن ترجمه‌شده زمانی سرریز می‌شود که عبارت مقصد دیگر در هندسهٔ ناحیهٔ مبدأ جا نمی‌گیرد. علت بی‌واسطه ممکن است گسترش متن باشد، اما محدودیت اصلی معمولاً یک کادر، ستون، سطر، قلم یا قاعدهٔ شکست خط مشخص است.

تعمیرات را به این ترتیب اعمال کنید:

به یک درصد افزایش طول زبان واحد تکیه نکنید. ممکن است یک پاراگراف آلمانی جا شود اما یک عنوان مرکب جا نشود. ممکن است نثر چینی کوتاه شود اما یک نشانی اینترنتی ترجمه‌نشده همچنان از سلول بیرون بزند. ممکن است عربی از نظر تعداد نویسه جا شود اما به دلیل قلم، شکل‌دهی، نقطه‌گذاری یا جهت نادرست شکست بخورد.

از این تشخیص استفاده کنید:

• بریده‌شده در یک کادر: آن ناحیه را تغییر اندازه دهید یا دوباره جریان دهید.
• کادرها یا نویسه‌های گم‌شده: قلمی با نویسه‌های موردنیاز را جایگزین یا جاسازی کنید.
• واژه‌های بلند یا نشانی‌های اینترنتی از شکستن سر باز می‌زنند: قواعد شکستن خط یا خط‌پیوند را اصلاح کنید.
• فقط سرستون‌های جدول شکست می‌خورند: از یک ترمیم مخصوص جدول استفاده کنید.
• سرستون‌های تکراری در هر صفحه برخورد می‌کنند: الگوی صفحه را بازنگری کنید نه هر پاراگراف را.
• دو قطعه به یک پاراگراف بیش‌ازحد بزرگ تبدیل می‌شوند: پیش از دست زدن به تایپوگرافی، ترتیب خواندن را اصلاح کنید.

اگر چیدمان مبدأ جایی برای نسخه وفادار به زبان مقصد ندارد، مختصات یکسان معیار پذیرش نادرست است. در عوض، کامل بودن، سلسله‌مراتب و خوانایی را حفظ کنید.

حفظ جدول‌ها، نمودارها، اعداد و پانویس‌ها

یک جدول PDF همیشه به‌صورت جدول ذخیره نمی‌شود. ممکن است متن قابل ویرایش روی خطوط شبکه، قطعات متعدد موقعیت‌یافته، یا یک تصویر واحد باشد. برچسب یک نمودار ممکن است متن جداگانه یا درون تصویر پخته شده باشد.

این چهار دسته شکست مستقل را ایجاد می‌کند:

برای موارد زیر از بازبینی توکن محافظت‌شده استفاده کنید:

• اعداد صحیح و مقادیر اعشاری؛
• علامت‌های مثبت و منفی؛
• درصدها، واحدهای پول، تاریخ‌ها و شماره نسخه‌ها؛
• واحدها و فرمول‌ها؛
• شماره جدول‌ها و شکل‌ها؛
• نشانگرهای پانویس و متن توضیحی آن‌ها.

قواعد محلی ممکن است جداکننده اعشار یا جای واحد پول را تغییر دهند. مسئله این نیست که آیا هر نویسه یکسان است؛ بلکه این است که آیا مقدار هدف همان کمیت را نشان می‌دهد و به برچسب درست متصل باقی می‌ماند.

برای هر جدول، بررسی کنید:

1. تعداد سطرها و ستون‌ها هنوز مطابقت دارد.
2. سلول‌های ادغام‌شده همان رکوردها را پوشش می‌دهند.
3. هر عدد با برچسب منبع خود جفت باقی می‌ماند.
4. واحدها، علامت‌ها و دقت اعشار درست هستند.
5. پانویس‌ها هنوز مقدار مورد نظر را توصیف می‌کنند.
6. شکستن سرصفحه محتوایی را پنهان نکرده است.

برای هر نمودار، بررسی کنید که هندسه و داده‌ها بدون تغییر باقی مانده باشند، برچسب‌ها هنوز نشانه‌های بصری درست را مشخص کنند و عنوان‌ها متصل باقی بمانند. اگر برچسب‌ها درون تصویر جاسازی شده‌اند، از OCR تصویرآگاه استفاده کرده و آن‌ها را دوباره ترسیم کنید، یا نمودار اصلی را با عنوان یا راهنمای ترجمه‌شده نگه دارید. نمودار را برای جا دادن برچسب‌های طولانی‌تر کشیده یا برش ندهید.

اگر یک جدول مالی، علمی یا حقوقی حتی یک رابطه مقدار نادرست داشته باشد، سند بدون توجه به ظاهر صیقلی‌اش شکست می‌خورد.

یک چیدمان PDF دوزبانه انتخاب کنید

یک PDF دوزبانه زمانی مفید است که کسی باید ترجمه را با متن مبدأ بررسی کند. اما به‌طور خودکار بهترین خروجی نهایی نیست.

بر اساس شکست‌های بصری خط هم‌ترازی نکنید. ترجمه می‌تواند یک جمله مبدأ را به دو جمله مقصد تقسیم کند یا دو جمله کوتاه را ترکیب کند. از سرتیترها، ترتیب پاراگراف‌ها، شماره جدول‌ها، شماره شکل‌ها، آیتم‌های فهرست و نشانگرهای پانویس به‌عنوان لنگرهای پایدار استفاده کنید.

چیدمان کنار هم زمانی که مبدأ از قبل چندستونه، جدول‌های متراکم، یادداشت‌های حاشیه یا گسترش محلی زیاد دارد، پیش‌فرض ضعیفی است. در این موارد، صفحات روبه‌روی هم یا فایل‌های تک‌زبانه همگام‌شده عرض خواندن عادی را حفظ می‌کنند و جداسازی خطاها را آسان‌تر می‌سازند.

هر دو زبان باید در صورت امکان قابل جست‌وجو و انتخاب باشند. ترتیب متن کپی‌شده، فراداده زبان سند، سرتیترها، برچسب‌های جدول و توضیحات شکل‌ها را بررسی کنید. اگر دسترس‌پذیری یک الزام قطعی است، فایل‌های تک‌زبانه جداگانه اغلب امن‌تر از ساختار پیچیده ستون‌های متناوب هستند.

ابزار مناسب را برای کار مناسب انتخاب کنید

مترجم اختصاصی PDF

برای PDFهای طولانی، قالب‌بندی‌شده یا مشتری‌پسند از یک مترجم اختصاصی استفاده کنید. این روش نقطه شروع درست است زمانی که خروجی مورد نیاز یک PDF قابل استفاده دیگر باشد، نه یک رونوشت متنی.

Google Translate

برای درک سریع اسناد کوتاه و ساده که چیدمان تحویل‌دادنی نیست، از Google Translate استفاده کنید. صفحات چندستونه، اسکن‌ها، جداول متراکم و انتشار نهایی به یک گردش کار کنترل‌شده‌تر نیاز دارند. راهنمای PDF Google Translate گردش کار سند آن و نشانه‌های شکست را پوشش می‌دهد.

ChatGPT

از ChatGPT برای قطعات کوتاه، آماده‌سازی واژه‌نامه، تصمیم‌گیری درباره لحن و بازبینی دوزبانه استفاده کنید. یک رابط چت را به عنوان موتور چیدمان صفحه برای یک PDF طولانی در نظر نگیرید. گردش کار PDF ChatGPT شامل دستوراتی است که خلاصه‌سازی و افزودن محتوا را ممنوع می‌کند.

تبدیل PDF به DOCX

فقط زمانی ابتدا تبدیل کنید که قصد دارید سند را به صورت دستی ویرایش یا بازسازی کنید. تبدیل می‌تواند جداول را تقسیم کند، قطعات را بازچینی کند و برچسب‌های نمودار را قبل از شروع ترجمه به جعبه‌های شناور تبدیل کند. سخت‌ترین صفحه را قبل از اقدام آزمایش کنید. اگر DOCX تبدیل‌شده از نظر ساختاری تمیز است، با مترجم DOCX ادامه دهید؛ اگر از قبل خراب است، ترجمه تبدیل را ترمیم نخواهد کرد.

بازبین انسانی یا دوزبانه

برای محتوای حقوقی، پزشکی، مالی، حیاتی از نظر ایمنی، دانشگاهی یا منتشرشده از یک بازبین واجد شرایط استفاده کنید. یک گردش کار چیدمان می‌تواند هر جعبه را حفظ کند در حالی که معنا هنوز اشتباه است. از نمونه‌های ترجمه واقعی استفاده کنید تا ببینید چگونه بازبینی زبانی را از بازبینی چیدمان جدا می‌کنیم.

چک‌لیست پذیرش ترجمه PDF

موانع

• متن گم‌شده یا بریده‌شده
• ترتیب خواندن نادرست
• پاراگراف‌ها یا برچسب‌های همپوشان
• اعداد تخصیص‌یافته به سطر یا عنصر نمودار اشتباه
• فرمول‌ها، علائم، واحدها یا ارجاعات تغییر یافته
• اندازه فونت ناخوانا
• نویسه‌های زبان مقصد گم‌شده
• جهت و نقطه‌گذاری شکسته عربی یا عبری
• هشدارها، زیرنویس‌ها یا پانویس‌های پنهان

نقص‌های عمده

• شکستن خط نامناسب اما خوانا
• زیرنویس‌های جدا شده از تصاویر
• رانش صفحه بزرگ و توضیح‌داده‌نشده
• برخورد ناهمگون با سرصفحه‌ها
• تغییرات مکرر اندازه قلم محلی
• هم‌ترازی بلوک‌های دوزبانه با قطعه مبدأ نادرست

تفاوت‌های ظاهری

• پایان‌خط‌های متفاوت
• تغییرات جزئی در فاصله‌ها
• تغییر اندک در تعداد صفحات همراه با ارجاعات اصلاح‌شده
• ارتفاع سطرهای جدول کمی متفاوت با نمایش کامل همه محتوا

برای هر صفحه ناموفق، صفحه مبدأ، نوع عنصر، نشانه، محدودیت اجباری، تعمیر و اینکه آیا بازبینی معنایی دوزبانه لازم است را ثبت کنید. این ردگیری حسابرسی از گفتن «قالب‌بندی تنظیم شد» مفیدتر است.

گردش کار توصیه‌شده برای بیشتر PDFها

1. یک PDF مبدأ دست‌نخورده نگه دارید.
2. بررسی کنید که آیا متن و سلول‌های جدول قابل انتخاب هستند.
3. OCR را فقط برای محتوای تصویری اجرا کنید، سپس خطاهای تشخیص را بازبینی کنید.
4. آزمون فشار PDF را دانلود کنید یا سخت‌ترین صفحه را از فایل خودتان انتخاب کنید.
5. آن صفحه نماینده را با مترجم PDF ترجمه کنید.
6. ترتیب خواندن، جدول‌ها، اعداد، برچسب‌ها، پانویس‌ها، قلم‌ها و جهت را پیش از روانی زبان بررسی کنید.
7. فایل کامل را تنها پس از موفقیت صفحه نماینده ترجمه کنید.
8. محدودیت‌های محلی را به‌صورت محلی تعمیر کنید؛ سند را به‌طور سراسری کوچک نکنید.
9. مبدأ، PDF ترجمه‌شده، تنظیمات، واژه‌نامه و یادداشت‌های بازبینی را برای بازنگری‌های آینده کنار هم نگه دارید.

برای معادلات، ارجاعات و چیدمان‌های پژوهشی، با گردش کار ترجمه مقاله دانشگاهی ادامه دهید. اگر هنوز در حال تصمیم‌گیری هستید که مبدأ باید PDF باشد یا EPUB، از راهنمای تصمیم‌گیری EPUB در برابر PDF استفاده کنید.