Hogyan kell lefordítani egy PDF-et a formázás megőrzése mellett

Gyors válasz: A dokumentum értelmes szerkezetét őrizze meg, ne egyes koordinátákat

Ahhoz, hogy egy PDF-et fordítson le a formázás elvesztése nélkül, először határozza meg, hogy a fájl kijelölhető szöveget, beolvasott képeket vagy mindkettőt tartalmazza-e. Ezután tesztelje a legnehezebb reprezentatív oldalt egy elrendezés-tudatos PDF-fordítóval, mielőtt a teljes fájlt feldolgozná. Külön-külön ellenőrizze az olvasási sorrendet, a szöveg túlcsordulását, a táblázatokat, a diagramok címkéit, a lábjegyzeteket, a betűtípusokat és a jobbról balra haladó szöveget.

A cél nem a pixelenkénti azonosság. Egy fordítás áthelyezhet egy sortörést vagy hozzáadhat egy oldalt úgy, hogy közben helyesen megőrzi a dokumentumot. Akkor bukik el, amikor az információ eltűnik, rossz táblázatsorba kerül, olvashatatlanná válik, vagy elveszíti kapcsolatát egy felirattal, lábjegyzettel vagy vizuális elemmel.

Használja ezt a döntési táblázatot kiindulópontként:

Ez a központi munkafolyamata a PDF-fordítás kategóriának. Ha termékek között választ ahelyett, hogy diagnosztizálna egy fájlt, kezdje a PDF-fordító eszközök 2026. évi összehasonlításával. Ha egyáltalán nem tud szöveget kijelölni, lépjen közvetlenül a beolvasott PDF és OCR munkafolyamathoz.

Mit kellene jelentenie a „formázás megőrzésének” a gyakorlatban

A formázás megőrzése nem egy egyszerű megfelelt/nem felelt meg funkció. Legalább öt rétegből áll:

1. Tartalmi teljesség: minden értelmes bekezdés, címke, figyelmeztetés, szám és jegy jelen marad.
2. Logikai struktúra: a címek, listák, táblázatcellák, feliratok, lábjegyzetek és az olvasási sorrend továbbra is ugyanazokat a kapcsolatokat fejezik ki.
3. Vizuális hierarchia: a címek továbbra is címnek tűnnek, a feliratok alárendeltek maradnak, és a kapcsolódó objektumok együtt maradnak.
4. Írásrend-támogatás: a kiválasztott betűtípusok tartalmazzák a céltartomány glifjeit, az irányultság és a írásjelek pedig helyesen jelennek meg.
5. Oldal használhatósága: az eredmény normál méretben olvasható marad levágás, átfedés vagy válogatás nélküli betűméret-csökkentés nélkül.

Az Adobe PDF-dokumentációja a látható oldaltartalmat objektumok és jelölési műveletek listájaként írja le, nem pedig a Word-szerű szerkeszthető bekezdések sorozataként. Különbséget tesz továbbá a dokumentum logikai struktúrája és vizuális elhelyezése között. Ez a megkülönböztetés magyarázza, hogy egy PDF miért nézhet ki helyesen, miközben a másolt szöveg, a akadálymentesítési sorrend vagy a fordítási sorrend hibás. Lásd az Adobe dokumentációját a következókról: PDF-oldaltartalom és logikai struktúra címkézett PDF-ekben.

A gyakorlati szabály egyszerű: a lefordított dokumentumot a kapcsolatok szintjén hasonlítsa össze, ne csak képernyőképek alapján.

Reprodukálható PDF-elrendezési stresszteszt

Létrehoztunk egy kétoldalas szintetikus PDF-elrendezési fordítási stressztesztet, amellyel a PDF nehéz részei ügyféldokumentumok nélkül is tesztelhetők. Ez egy A4-es, címkézett PDF fiktív nevekkel és ábrákkal. Ez egy tesztkörnyezet, nem pedig gyártói benchmark, és nem bizonyíték arra, hogy bármely eszköz pontos fordítást készít.

Az 1. oldal teszteli:

• a kétoszlopos olvasási sorrendet;
• egy egyesített cellát tartalmazó táblázatot;
• egy egész számot, pénzegységet, előjeles százalékot és képletet;
• diagramcímkéket, amelyek pozíciója jelentést hordoz;
• egy szándékosan keskeny, rögzített szövegrégiót;
• egy lábjegyzetet, amelynek kapcsolatban kell maradnia a jelölőjével.

A 2. oldal angol, német, kínai és arab szöveget helyez el azonos méretű dobozokban. Négy különböző problémát mutat be: helyi bővülést, sordrekesztést, hiányzó glifeket és kétirányú elrendezést.

A W3C útmutatása a szövegméretről fordításkor elmagyarázza, hogy a rövid címkék és a szorosan korlátozott régiók aránytalanul kibővülhetnek, míg más fordítások összezsugorodhatnak. Az Unicode kétirányú algoritmusa határozza meg, hogy a balról jobbra és jobbról balra tartó karakterek keveredése hogyan oldódik fel. Ezen problémák egyike sem oldható meg megbízhatóan a forráskarakterek számlálásával.

Töltse le a tesztfájlt, és futtassa át bármelyik megfontolás alatt álló munkafolyamaton. Jegyezze fel az eszközt, a dátumot, a beállításokat, a forrásnyelvet, a célnyelvet és a kimeneti fájlt. Ezzel a „a formázás rendben van” állítást megismételhető tesztté alakítja.

Diagnosztizálja a PDF-et a fordítás előtt

1. Tesztelje, hogy a szöveg kijelölhető-e

Próbáljon meg kijelölni egy mondatot és egy táblázatcellát.

• Ha mindkettő tisztán kijelölhető, a PDF valószínűleg használható szövegréteggel rendelkezik.
• Ha az egész oldal egyetlen képként jelölődik ki, akkor OCR-re van szükség.
• Ha a szöveg apró töredékekben jelölődik ki, vagy a másolt sorok sorrenden kívül érkeznek, a vizuális elhelyezés nem azonos a logikai struktúrával.

Az Adobe megjegyzi, hogy a beolvasott PDF kezdemében képadatokat tartalmaz a kereshető szöveg helyett. Az OCR hozzáad egy kijelölhető, kereshető réteget, de az Adobe a feldolgozás után a felismerési hibák áttekintését is javasolja. Lásd: Szöveg felismerése beolvasott PDF-ekben.

2. Másoljon át egy nehéz szakaszt egy sima szövegszerkesztőbe

Tegye ezt meg egy kétoszlopos bekezdéssel, egy teljes táblázatsorral és egy felirattal. Ha a beillesztett sorrend fordítás előtt hibás, a fordítási réteg a rossz sorrendből indul ki.

Az Adobe Érintési olvasási sorrend eszköz dokumentációja bemutatja, hogy az összetett táblázatok, ábrák, szorosan elhelyezett oszlopok és oldalelemek igénylehetnek kifejezett sorrend- és címkézési javítást. A folyékonyság nem tudja helyrehozni a rossz töredékekből összeszerelt bekezdést.

3. Válassza ki a legnehezebb reprezentatív oldalt

Ne a címlapot tesztelje. Válassza ki a leginkább hibásodásra hajlamos oldalt:

• a legsűrűbb táblázatot;
• a legkeskenyebb oldalsávot vagy kiemelt dobozt;
• egy kétoszlopos oldalt lábjézettel;
• egy rövid címkéket tartalmazó diagramot;
• CJK, arab, dévanágari vagy kevert írásrendszereket tartalmazó oldalt;
• alacsony kontrasztú vagy ferde beolvasást.

Ha a legnehezebb oldal hibádzik, 200 egyszerűbb oldal előzetes lefordítása csak újabb utómunkát teremt.

4. Jegyezze fel a nem alkuképes korlátokat

A különböző dokumentumok a „megőrzött” eltérő definícióit igénylik.

Írja le ezeket a korlátozásokat a javítás kiválasztása előtt. Ellenkező esetben a lektorok hajlamosak védeni a vizuális hasonlóságot akkor is, ha az károsítja a jelentést.

A legbiztonságosabb végpontok közötti munkafolyamat

1. lépés: Őrizze meg a forrást, és alakítson ki kiindulópontot

Tartson meg egy érintetlen forrásfájlt. Jegyezze fel az oldalszámot, a fájltípust, a nyelvet, hogy a PDF címkézett-e, és hogy a szöveg kijelölhető-e. Ha a dokumentumot később frissítik, őrizze meg az eredeti forrásdokumentumot és a PDF-et is.

2. lépés: Csak szükség esetén futtasson OCR-t

A kizárólag képet tartalmazó oldalakhoz futtasson OCR-t a helyes forrásnyelven. Fordítás előtt ellenőrizze a neveket, számokat, írásjeleket, táblázatokat, lábjegyzeteket és az alacsony kontrasztú régiókat. Az OCR-hibák upstream hibák: a fordítórendszer képes folyékony kimenetet előállítani a helytelenül felismert szövegből is.

A dedikált beolvasott PDF útmutató részletesebben foglalkozik a beolvasás tisztításával, az OCR nyelvválasztásával, a gyanús karakterekkel és az adatvédelmi ellenőrzésekkel.

3. lépés: Fordítsa le a reprezentatív oldalt

Használjon olyan munkafolyamatot, amelyet arra terveztek, hogy dokumentumot adjon vissza, ne csak lefordított szöveget. A legtöbb formázott PDF esetében ez azt jelenti, hogy feltölti a tesztfájlt a BookTranslator PDF Translatorbe, kiválasztja a nyelvpárt, és áttekinti a visszakapott PDF-et.

Ne csak a legkönnyebb bekezdést értékelje. Hasonlítsa össze a kiindulási alapban felsorolt pontos elemeket.

4. lépés: Ellenőrizze a struktúrát a megfogalmazás előtt

Ebben a sorrendben ellenőrizze:

1. Minden forrásrégió bekerült-e?
2. Helyes-e az olvasási sorrend?
3. A táblázatsorok, diagramcímkék, feliratok és lábjegyzetek továbbra is a megfelelő objektumokra mutatnak-e?
4. Érintetlenek-e a számok, nevek, egységek és képletek?
5. Helyesen jelenik-e meg a célnyelvi írásrendszer?
6. Csak ezután: folyékony és pontos-e a fordítás?

A rossz szövegi sorrend csiszolt fordítása továbbra is hibás dokumentum.

5. lépés: Fordítsa le a teljes fájlt, és mintavételezze a kockázatos oldalakat

Miután a reprezentatív oldal sikeres volt, fordítsa le a teljes PDF-et. Az első oldal ellenőrzése helyett tekintse át az egyes kockázatos struktúrák első, középső és utolsó előfordulását.

Egy hosszú jelentés esetében ez a következőt jelentheti:

• az első és az utolsó kétoszlopos oldal;
• a legegyszerűbb és legsűrűbb táblázat;
• egy diagram az eleje és a vége közelében;
• minden figyelmeztető oldal;
• minden olyan oldal, ahol a célnyelvi írásrendszer vagy betűtípus megváltozik.

6. lépés: Alkalmazza a legkevésbé romboló javítást

Javítson ki egy helyi problémát helyben. Ne szűkítse össze globálisan a dokumentumot csak azért, mert az egyik cím hosszú.

A szöveg túlcsordulásának javítása mindennek az összezsugorítása nélkül

A lefordított szöveg akkor csordul túl, amikor a célnyelvi megfogalmazás már nem fér bele a forrásrégió geometriájába. Közvetlen oka a szövegbővülés lehet, de a kötőkorlát általában egy adott doboz, oszlop, sor, betűtípus vagy sordrekesztési szabály.

A javításokat ebben a sorrendben alkalmazza:

Ne hagyatkozzon egyetlen nyelv bővülési százalékára. Előfordulhat, hogy egy német bekezdés elfér, míg egy összetett cím megbukik. A kínai szöveg összezsugorodhat, miközben egy lefordítatlan URL továbbra túlcsordul egy cellán. Az arab szöveg karakterek száma alapján elférhet, de megbukhat amiatt, hogy a betűtípus, az alakzat, az írásjelek vagy az irány nem megfelelő.

Használja ezt a diagnosztikát:

• Egy dobozban levágva: méretezze át vagy tördelje újra azt a régiót.
• Dobozok vagy hiányzó karakterek: cserélje ki vagy ágyazza be a szükséges glifeket tartalmazó betűtípust.
• A hosszú szavak vagy URL-ek nem törnek meg: javítsa ki a sordrekesztési vagy elválasztási szabályokat.
• Csak a táblázatfejlécek hibásodnak meg: használjon táblázatspecifikus javítást.
• Az ismétlődő fejlécek minden oldalon ütköznek: alakítsa át az oldalsablont az egyes bekezdések helyett.
• Két töredék egyetlen túlnőtt bekezdéssé válik: a tipográfia megérintése előtt javítsa ki az olvasási sorrendet.

Ha a forráselrendezésben nincs hely a hűséges célnyelvi verziónak, az azonos koordináták a rossz elfogadási kritériumok. Ehelyett őrizze meg a teljességet, a hierarchiát és az olvashatóságot.

Táblázatok, diagramok, számok és lábjegyzetek megőrzése

A PDF-táblázatok nem mindig táblázatként vannak tárolva. Lehetnek rácsvonalak feletti szerkeszthető szövegek, számos pozicionált töredék vagy egyetlen kép. A diagramcímke lehet különálló szöveg vagy a grafikába ágyazott elem.

Ez négy független hibaosztályt hoz létre:

Használjon védett tokenes felülvizsgálatot a következökhöz:

• egész számok és tizedesértékek;
• pozitív és negatív előjelek;
• százalékok, pénznemek, dátumok és verziószámok;
• egységek és képletek;
• táblázat- és ábraszámok;
• lábjegyzetjelölők és a hozzájuk tartozó minősítő szöveg.

A területi konvenciók megváltoztathatják a tizedeselválasztókat vagy a pénznem elhelyezését. A kérdés nem az, hogy minden karakter azonos-e, hanem az, hogy a cél ugyanazt a mennyiséget képviseli-e, és a megfelelő címkéhez kötve marad-e.

Minden táblázat esetében ellenőrizze:

1. A sorok és oszlopok száma továbbra is megegyezik-e.
2. Az egyesített cellák ugyanazokat a rekordokat fedik-e le.
3. Minden szám párosítva marad-e a forráscímkéjével.
4. Az egységek, előjelek és a pontosság helyesek-e.
5. A lábjegyzetek továbbra is a kívánt értéket minősítik-e.
6. A fejléc tördelése nem rejtett-e el tartalmat.

Minden diagram esetében ellenőrizze, hogy a geometria és az adatok változatlanok maradnak-e, a címkék továbbra is a megfelelő vizuális jeleket azonosítják-e, és a feliratok csatolva maradnak-e. Ha a címkék be vannak ágyazva egy képbe, használjon képtudatos OCR-t, és rajzolja újra őket, vagy tartsa meg az eredeti diagramot lefordított felirattal vagy jelmagyarázattal. Ne nyújtson el vagy vágjon meg egy diagramot a hosszabb címkék elhelyezése érdekében.

Ha egy pénzügyi, tudományos vagy jogi táblázat akár egyetlen hibás értékkapcsolatot is tartalmaz, a dokumentum függetlenül attól megbukik, hogy milyen csiszoltnak tűnik.

Kétnyelvű PDF-elrendezés választása

A kétnyelvű PDF akkor hasznos, ha valamilyen okból ellenőrizni kell a célt a forráshoz képest. Nem automatikusan ez a legjobb végső kiadvány.

Ne igazítson vizuális sortsörések szerint. A fordítás felbonthat egy forrásmondatot két célmondatra, vagy összevonhat két rövid mondatot. Használjon címeket, bekezdéssorrendet, táblázatszámokat, ábraszámokat, listaelemeket és lábjegyzetjelölőket stabil horgonyokként.

Az egymás melletti elrendezés rossz alapértelmezett választás, ha a forrásban már eleve több oszlop, sűrű táblázat, margójegyzet vagy nagy helyi bővülés található. Ilyen esetekben a szemközti oldalak vagy a szinkronizált egynyelvű fájlok megőrzik a normál olvasási szélességet, és megkönnyítik a hibák elszigetelését.

Mindkét nyelvnek kereshetőnek és kijelölhetőnek kell maradnia, amikor csak lehetséges. Ellenőrizze a másolt szöveg sorrendjét, a dokumentum nyelvmetaadatait, a címeket, a táblázatcímkéket és a ábrák leírásait. Ha az akadálymentesség szigorú követelmény, a különálló egynyelvű fájlok gyakran biztonságosabbak, mint az összetett, váltakozó oszlopos struktúra.

A megfelelő eszköz kiválasztása a feladathoz

Dedikált PDF-fordító

Használjon dedikált fordítót hosszú, formázott vagy ügyfél felé szánt PDF-ekhez. Ez a helyes kiindulópont, ha a kívánt kimenet egy másik használható PDF, nem pedig egy szöveges átirat.

Google Fordító

Használja a Google Fordítót rövid, egyszerű dokumentumok gyors megértéséhez, amikor az elrendezés nem a kiadvány része. A többoszlopos oldalak, a beolvasások, a sűrű táblázatok és a végső közzététel ellenőrzöttebb munkafolyamatot igényelnek. A Google Translate PDF útmutató részletesen bemutatja a dokumentum-munkafolyamatot és a hibajeleket.

ChatGPT

Használja a ChatGPT-t rövid szakaszokhoz, szójegyzék-készítéshez, hangnemdel és kétnyelvű ellenőrzéshez. Ne kezelje a csevegőfelületet egy hosszú PDF oldalelrendezési motorjaként. A ChatGPT PDF munkafolyamat olyan promptokat tartalmaz, amelyek tiltják a tömörítést és a hozzáadott tartalmat.

PDF konvertálása DOCX formátumba

Csak akkor konvertáljon először, ha a dokumentumot manuálisan kívánja szerkeszteni vagy újjáépíteni. A konvertálás szétválaszthatja a táblázatokat, átrendezheti a töredékeket, és a diagramcímkéket lebegő dobozokká alakíthatja a fordítás megkezdése előtt. Elköteleződés előtt tesztelje a legnehezebb oldalt. Ha a konvertált DOCX szerkezetileg tiszta, folytassa a DOCX-fordítóval; ha már eleve hibás, a fordítás nem fogja helyrehozni a konverziót.

Emberi vagy kétnyelvű lektor

Használjon szakképzett lektort jogi, orvosi, pénzügyi, biztonságkritikus, akadémiai vagy közzétett tartalmakhoz. Az elrendezési munkafolyamat képes megőrizni minden dobozat úgy, hogy közben a jelentés továbbra is hibás. Használja a valós fordítási mintákat, hogy lássa, hogyan különítjük el a nyelvi lektorálást az elrendezés ellenőrzésétől.

PDF-fordítási elfogadási ellenőrzőlista

Blokkoló hibák

• Hiányzó vagy levágott szöveg
• Helytelen olvasási sorrend
• Átfedésben lévő bekezdések vagy címkék
• Rossz sorhoz vagy adatelemhez rendelt számok
• Megváltozott képletek, előjelek, egységek vagy hivatkozások
• Olvashatatlan betűméret
• Hiányzó célnyelvi glifek
• Hibás arab vagy héber irányultság és írásjelek
• Rejtett figyelmeztetések, feliratok vagy lábjegyzetek

Főbb hibák

• Kényelmetlen, de olvasható tördelés
• Az ábráktól elválasztott feliratok
• Nagy, megmagyarázhatatlan oldalelcsúszás
• Következetlen címmegjelenítés
• Ismétlődő helyi betűméret-változások
• Rossz forrásszakaszhoz igazított kétnyelvű blokkok

Kozmetikai eltérések

• Eltérő sortszerkezetek
• Kisebb térközmódosítások
• Mérsékelt oldalszámváltozás javított hivatkozásokkal
• Kicsit eltérő táblázatsormagasságok látható tartalommal

Minden hibás oldal esetében jegyezze fel a forrásoldalt, az elemtípust, a tünetet, a kötőkorlátot, a javítást, valamint azt, hogy szükség van-e a kétnyelvű jelentés ellenőrzésére. Ez az ellenőrzési nyomvonal sokkal hasznosabb, mint a „formázás igazítva” megállapítás.

Ajánlott munkafolyamat a legtöbb PDF-hez

1. Tartson meg egy érintetlen forrás PDF-et.
2. Ellenőrizze, hogy a szöveg és a táblázatcellák kijelölhetők-e.
3. Csak a kizárólag képet tartalmazó tartalmakhoz futtasson OCR-t, majd ellenőrizze a felismerési hibákat.
4. Töltse le a PDF stressztesztet, vagy válassza ki a legnehezebb oldalt saját fájljából.
5. Fordítsa le ezt a reprezentatív oldalt a PDF Translatorral.
6. A nyelvi folyékonyság előtt ellenőrizze az olvasási sorrendet, a táblázatokat, a számokat, a címkéket, a lábjegyzeteket, a betűtípusokat és az irányultságot.
7. Csak a reprezentatív oldal sikeressége után fordítsa le a teljes fájlt.
8. A helyi korlátokat helyben javítsa ki; ne szűkítse össze globálisan a dokumentumot.
9. A későbbi felülvizsgálatokhoz tartsa együtt a forrást, a lefordított PDF-et, a beállításokat, a szójegyzéket és a lektori jegyzeteket.

Egyenletek, hivatkozások és kutatási elrendezések esetén folytassa az akadémiai cikkek fordítási munkafolyamatával. Ha még mindig eldöntés alatt áll, hogy a forrásnak PDF-nek vagy EPUB-nak kell-e lennie, használja az EPUB és PDF döntési útmutatót.