如何在翻译 PDF 时保留格式
使用可复现的 PDF 工作流程，在翻译过程中保留阅读顺序、表格、图表、字体、从右到左文本和页面布局。
快速回答：保留文档有意义的结构，而非每一个坐标
要在不丢失格式的情况下翻译 PDF，首先确定它包含可选中文本、扫描图像，还是两者兼有。然后，在处理整个文件之前，先用具备布局感知能力的 PDF 翻译工具 测试最具代表性的困难页面。分别检查阅读顺序、文本溢出、表格、图表标签、脚注、字体和从右到左文本。
目标不是像素级完全一致。翻译可以移动换行位置或增加页面，同时仍正确保留文档。当信息消失、移动到错误的表格行、变得无法阅读，或失去与图注、脚注或视觉元素的关系时，翻译就失败了。
使用以下决策表作为起点：
| 你拥有的 PDF | 第一步操作 | 主要格式风险 |
|---|---|---|
| 可选择的数字 PDF | 直接翻译一个困难页面 | 阅读顺序和文本框溢出 |
| 扫描或拍摄的 PDF | 运行 OCR，检查文本层，然后翻译 | OCR 错误变成翻译错误 |
| 包含密集表格或图表的 PDF | 测试一个包含合并单元格、数字和标签的页面 | 布局看似正确但数据关系错误 |
| 双栏论文或报告 | 在判断流畅度之前检查提取和阅读顺序 | 分栏合并或段落翻译顺序错乱 |
| 表单、证书或固定模板 | 确定哪些坐标和页面引用在法律或操作上是固定的 | 因文本区域固定而导致的裁剪 |
| 双语对照审校副本 | 可选择并排、交错、对页或同步文件 | 窄栏与不稳定的源文-译文对齐 |
这是 PDF 翻译类别 的核心工作流程。如果你是在比较产品而非诊断文件，请先阅读 PDF 翻译工具对比。如果你无法选中任何文本，请直接查看 扫描版 PDF 与 OCR 工作流程。
“保持格式”究竟应该意味着什么
格式保留并非一个简单的通过/失败特性。它至少包含五个层面：
- 内容完整性： 每个有意义的段落、标签、警告、数字和注释都仍然存在。
- 逻辑结构： 标题、列表、表格单元格、图注、脚注和阅读顺序仍然表达相同的关联关系。
- 视觉层级： 标题看起来仍然像标题，图注仍处于从属地位，相关对象保持分组。
- 文字系统支持： 所选字体包含目标字形，文字方向和标点符号渲染正确。
- 页面可用性： 结果在正常尺寸下仍然可读，没有裁切、重叠或随意缩小字体。
Adobe 的 PDF 文档将可见页面内容描述为对象和标记操作的列表，而非类似 Word 的可编辑段落序列。它还区分了文档的逻辑结构与视觉位置。这一区别解释了为什么 PDF 看起来正确，但复制出的文本、无障碍顺序或翻译顺序却是错误的。请参阅 Adobe 关于 PDF 页面内容 和 标记 PDF 中的逻辑结构 的文档。
实用规则很简单：在关系层面比较翻译后的文档，而不仅仅是看截图。
可复现的 PDF 布局压力测试
我们创建了一个两页的合成 PDF 布局翻译压力测试，以便在不使用客户文档的情况下测试 PDF 中的难点。它是一个 A4 尺寸、带标记的 PDF，包含虚构的名称和数字。它是一个测试夹具，不是供应商基准，也不能证明任何工具能产生准确的翻译。
第 1 页测试：
- 双栏阅读顺序；
- 包含合并单元格的表格；
- 整数、货币金额、带符号百分比和公式；
- 位置本身承载含义的图表标签；
- 一个刻意设置的狭窄固定文本区域；
- 必须与其标记保持连接的脚注。
第 2 页将英语、德语、中文和阿拉伯语文本放入大小相同的方框中。它暴露了四个不同的问题：局部膨胀、换行、缺失字形和双向布局。
W3C 关于翻译中的文本大小的指南解释了为什么短标签和空间受限的区域可能会不成比例地扩展，而其他翻译则可能收缩。Unicode 的双向算法规定了混合从左到右和从右到左字符的解析方式。这两个问题都无法通过计算源字符数来可靠解决。
下载该测试样本，用你正在考虑的任何工作流程运行它。记录工具、日期、设置、源语言、目标语言和输出文件。这样就能把“格式看起来还行”变成可重复的测试。
翻译前先诊断你的 PDF
1. 测试文本是否可选中
尝试选中一个句子和一个表格单元格。
- 如果两者都能干净地选中，PDF 可能具有可用的文本层。
- 如果整页被作为一个图像选中，则需要 OCR。
- 如果文本只能以极小的片段选中，或者复制的行顺序错乱，说明视觉位置并不等同于逻辑结构。
Adobe 指出，扫描版 PDF 最初包含的是图像数据而非可搜索文本。OCR 会添加一个可选中、可搜索的图层，但 Adobe 也建议在处理后检查识别错误。参见识别扫描版 PDF 中的文本。
2. 将一段较难的内容复制到纯文本编辑器中
用双栏段落、一整行表格和一条图注来做这个测试。如果粘贴的顺序在翻译前就是错的，翻译层就是从错误的顺序开始的。
Adobe 的阅读顺序工具文档表明，复杂表格、图表、间距紧密的分栏以及页面元素可能需要显式修复顺序和标签。流畅度无法修复一个由错误片段拼凑而成的段落。
3. 选择最具代表性的最难页面
不要测试标题页。选择最有可能出问题的页面：
- 最密集的表格；
- 最窄的侧边栏或标注框；
- 带脚注的双栏页面；
- 带短标签的图表；
- 包含中日韩文字、阿拉伯文、天城文或混合文字系统的页面；
- 对比度低或倾斜的扫描件。
如果最难的页面都失败了，先翻译 200 个更简单的页面只会带来更多清理工作。
4. 记录不可妥协的约束条件
不同的文档对“保留”有不同的定义。
| 文档类型 | 通常不可妥协 | 通常可灵活处理 |
|---|---|---|
| 合同或表单 | 条款完整性、标签、签名、页码引用 | 本地换行和适度的间距调整 |
| 学术论文 | 公式、引用、图表关系、阅读顺序 | 页数和段落换行 |
| 年度报告 | 数字、单位、表格行、图表关联 | 标签换行和局部区域大小 |
| 手册 | 警告、步骤顺序、标注、图片引用 | 分页和受控重排 |
| 书籍或长篇报告 | 章节顺序、标题、注释、图片位置 | 页数和段落流 |
在选择修复方案之前，先写下这些约束条件。否则，审阅者往往会为了保护视觉相似性，即使这会损害含义也在所不惜。
最安全的端到端工作流程
第 1 步：保留源文件并建立基线
保留一份未经改动的源文件。记录页数、文件类型、语言、PDF 是否已标记，以及文本是否可选中。如果文档后续会更新，请同时保留原始源文档和 PDF。
第 2 步：仅在需要时运行 OCR
对于纯图片页面，使用正确的源语言运行 OCR。在翻译之前，检查姓名、数字、标点、表格、脚注和低对比度区域。OCR 错误是上游错误：翻译系统可能会根据识别错误的文本生成流畅的输出。
专门的扫描版 PDF 指南更详细地介绍了扫描件清理、OCR 语言选择、可疑字符和隐私检查。
第 3 步：翻译代表性页面
使用一个旨在返回文档而不仅仅是翻译后文本的工作流程。对于大多数带格式的 PDF，这意味着将测试文件上传到 BookTranslator PDF 翻译器，选择语言对，然后查看返回的 PDF。
不要只评估最简单的段落。对照基线中列出的确切元素进行比较。
第 4 步：先检查结构，再检查措辞
按以下顺序检查：
- 是否包含了所有源区域？
- 阅读顺序是否正确？
- 表格行、图表标签、题注和脚注是否仍指向正确的对象？
- 数字、名称、单位和公式是否完好无损？
- 目标文字是否正确渲染？
- 只有在这之后：翻译是否流畅准确？
对错误文本顺序的精美翻译仍然是一份失败的文档。
第 5 步：翻译完整文件并抽查高风险页面
代表性页面通过后，翻译完整的 PDF。检查每种高风险结构的首次、中间和最后一次出现，而不是只检查第一页。
对于一份长报告，这可能意味着：
- 第一页和最后一页双栏页面；
- 最简单和最密集的表格；
- 开头和结尾附近的图表；
- 每个警告页面；
- 每个目标文字或字体发生变化的页面。
第 6 步：采用破坏性最小的修复方式
局部问题局部修复。不要因为一个标题过长就全局缩小文档。
在不缩小所有内容的情况下修复文本溢出
当目标语言的措辞不再适合源区域的几何形状时，翻译后的文本就会溢出。直接原因可能是文本扩展，但真正的限制通常来自某个特定的文本框、列、行、字体或换行规则。
按以下顺序进行修复：
| 顺序 | 修复方法 | 适用情况 | 主要风险 |
|---|---|---|---|
| 1 | 允许自然换行 | 该区域有未使用的垂直空间 | 列表缩进或行高可能会改变 |
| 2 | 调整局部行距或段间距 | 溢出量很小 | 密集文本可能变得更难阅读 |
| 3 | 加宽或增大受影响的区域 | 附近的空白确实未被使用 | 相邻对象可能会移动 |
| 4 | 重排附近元素 | 多个区块争用空间 | 页面层级和引用可能会偏移 |
| 5 | 使用经批准的较短目标术语 | 存在标准的简洁术语 | 含义需要双语审校 |
| 6 | 添加续页 | 内容无法清晰容纳 | 分页会发生变化 |
| 7 | 局部缩小字号 | 小幅缩小仍可读 | 可访问性与视觉一致性 |
不要依赖单一的语言扩展百分比。德语段落可能放得下，但复合标题可能放不下。中文行文可能收缩，但未翻译的 URL 仍会溢出单元格。阿拉伯语可能按字符数放得下，却因字体、字形、标点或方向错误而失败。
使用以下诊断方法：
- 在一个框中裁剪： 调整该区域的大小或重新排版。
- 方框或字符缺失： 替换或嵌入包含所需字形的字体。
- 长单词或 URL 无法换行： 修复断行或连字符规则。
- 仅表头失败： 使用针对表格的修复方法。
- 重复表头在每页上冲突： 修改页面模板，而不是每个段落。
- 两个片段合并成一个过大的段落： 在调整排版之前修复阅读顺序。
如果源布局没有空间容纳忠实的目标语言版本，那么完全相同的坐标就是错误的验收标准。相反，应保留完整性、层次结构和可读性。
保留表格、图表、数字和脚注
PDF 表格并不总是以表格形式存储。它可能是网格线上的可编辑文本、许多定位片段，或单个图像。图表标签可能是单独的文本，也可能烘焙到图形中。
这产生了四个独立的故障类别：
| 故障类别 | 示例 | 为什么仅靠目视检查会遗漏 |
|---|---|---|
| 结构 | 合并单元格拆分或两个单元格变成一个句子 | 结果可能看起来仍然对齐 |
| 数字 | -3.2% 丢失负号或移动到另一行 | 流畅的行文分散了对数值的注意力 |
| 视觉 | 翻译后的页眉跨越了边框 | 文本可能仍然完整 |
| 指代 | 脚注标记丢失了对应的注释 | 两部分可能仍然出现在其他地方 |
对以下内容使用受保护标记审查：
- 整数和小数值；
- 正负号；
- 百分比、货币、日期和版本号；
- 单位和公式；
- 表格和图表编号；
- 脚注标记及其限定文本。
区域设置惯例可能会改变小数分隔符或货币位置。问题不在于每个字符是否完全相同，而在于目标语言是否表示相同的数量，并且仍然与正确的标签相关联。
对于每个表格，请验证：
- 行数和列数仍然匹配。
- 合并单元格覆盖相同的记录。
- 每个数字仍然与其源标签配对。
- 单位、符号和精度正确。
- 脚注仍然限定预期的值。
- 页眉换行没有隐藏内容。
对于每个图表，请验证几何形状和数据保持不变，标签仍然标识正确的视觉标记，并且标题保持关联。如果标签嵌入在图像中，请使用图像感知 OCR 并重新绘制它们，或者保留原始图表并附上翻译后的标题或图例。不要拉伸或裁剪图表以适应更长的标签。
如果财务、科学或法律表格中哪怕有一个错误的值关系，无论看起来多么精美，文档都是失败的。
选择双语 PDF 布局
当需要对照原文核对译文时，双语 PDF 很有用。但它并不自动成为最佳的最终交付物。
| 审阅任务 | 最佳起始版式 | 权衡 |
|---|---|---|
| 逐段编辑 | 原文在左，译文在右 | 窄栏会加剧溢出 |
| 手机或平板学习 | 原文段落后接译文段落 | 页数增加 |
| 法律或档案参考 | 原文与译文对页排版 | 文档长度大约翻倍 |
| 密集表格与固定页面 | 独立的同步原文与译文 PDF | 需要能让页面保持对齐的查看器或审阅流程 |
| 客户交付 | 仅含译文的 PDF 加一份单独的双语审阅副本 | 需要维护两个受控文件 |
不要按视觉换行来对齐。翻译可能把一个原文句子拆成两个译文句子，或把两个短句合并。请使用标题、段落顺序、表格编号、图编号、列表项和脚注标记作为稳定的锚点。
当原文本身已有多个分栏、密集表格、边注或较大的局部扩展时，并排排版并不是好的默认选择。在这些情况下，对页排版或同步的单语文件能保留正常的阅读宽度，也更容易定位问题。
在可能的情况下，两种语言都应保持可搜索、可选中。检查复制文本的顺序、文档语言元数据、标题、表格标签和图注。如果无障碍是硬性要求，独立的单语文件通常比复杂的交替分栏结构更稳妥。
为任务选择合适的工具
专用 PDF 翻译器
对于篇幅较长、格式复杂或面向客户的 PDF，请使用专用翻译工具。当所需的输出是另一份可用的 PDF 而非文本转录时，它就是正确的起点。
Google Translate
当版式并非交付物时，可使用 Google Translate 快速理解简短、简单的文档。多栏页面、扫描件、密集表格以及最终出版需要更可控的工作流程。Google Translate PDF 指南介绍了其文档工作流程及失败迹象。
ChatGPT
可使用 ChatGPT 处理短段落、准备术语表、确定语气以及进行双语审校。不要将聊天界面当作长篇 PDF 的页面排版引擎。ChatGPT PDF 工作流程包含禁止摘要和添加内容的提示词。
将 PDF 转换为 DOCX
仅当你打算手动编辑或重建文档时，才先进行转换。转换可能会在翻译开始前拆分表格、打乱片段顺序，并将图表标签变成浮动文本框。在正式投入前，先测试最难的那一页。如果转换后的 DOCX 结构完好，可继续使用 DOCX 翻译工具；如果它已经损坏，翻译也无法修复转换造成的问题。
人工或双语审校者
对于法律、医疗、金融、安全关键、学术或出版内容，请使用合格的审校者。版式工作流程可以保留每一个文本框，但含义仍可能是错误的。使用真实翻译样本了解我们如何将语言审校与版式审校分开进行。
PDF 翻译验收清单
阻断性问题
- 文本缺失或被裁剪
- 阅读顺序错误
- 段落或标签重叠
- 数字被分配到错误的行或图表元素
- 公式、符号、单位或引用被更改
- 字号小到无法阅读
- 缺少目标语言字形
- 阿拉伯语或希伯来语的方向和标点错误
- 警告、图注或脚注被隐藏
重大缺陷
- 换行生硬但可读
- 图注与图表分离
- 页面出现大幅且无法解释的偏移
- 标题处理不一致
- 局部字体大小反复变动
- 双语块与原文段落对齐错误
外观差异
- 换行符不同
- 细微空白变化
- 页码数量小幅变化且引用已修正
- 表格行高略有不同但内容完整可见
对于每个失败的页面，记录源页面、元素类型、症状、约束条件、修复方式以及是否需要双语含义审查。这种审计记录比简单说“格式已调整”有用得多。
适用于大多数 PDF 的推荐工作流程
- 保留一份未经修改的源 PDF。
- 检查文本和表格单元格是否可选中。
- 仅对纯图片内容运行 OCR，然后审查识别错误。
- 下载 PDF 压力测试 或从你自己的文件中选择最难的一页。
- 使用 PDF Translator 翻译该代表性页面。
- 在检查语言流畅度之前，先审查阅读顺序、表格、数字、标签、脚注、字体和方向。
- 仅在代表性页面通过后才翻译完整文件。
- 局部约束局部修复；不要全局缩小文档。
- 将源文件、翻译后的 PDF、设置、术语表和审查笔记保存在一起，以备将来修订。
对于公式、引用和研究排版，请继续使用 学术论文翻译工作流程。如果你还在决定源文件应该是 PDF 还是 EPUB，请使用 EPUB 与 PDF 决策指南。
