如何翻譯多欄 PDF 而不打亂閱讀順序

快速解答：翻譯前先檢查閱讀順序

雙欄 PDF 可能看起來整齊，但提供給翻譯工具的段落順序卻是錯的。發生這種情況時，翻譯可能逐句流暢，但整頁卻變得毫無意義。沒有工具能從它以錯誤順序讀取的來源中翻譯出正確結果。

因此，工作順序是：

1. 檢查頁面的閱讀方式。 複製一個具代表性的頁面，確認每個段落都按照人們閱讀的順序輸出。
2. 根據檢查結果選擇工作流程。 當順序正確時，使用保留版面的 PDF 翻譯；當文字無法使用時，使用 OCR 模式；當你需要可編輯的檔案時，使用轉換並修復的路徑。
3. 檢查翻譯後的欄位。 查看欄位分隔、圖表標題、全寬註釋、腳註以及過長的行。

本指南的其餘部分將透過一個你可以下載並自行執行的小測試，說明為什麼步驟 1 不能跳過。它涵蓋具有真實文字層的 PDF，例如匯出的報告、論文和新聞通訊。如果你的頁面是掃描件，請先參閱如何翻譯掃描的 PDF。

我們測試了什麼

在 2026-10-20，我們從同一段文字建立了三個單頁 PDF：一個標題、左欄頂部的一個圖表框、每欄三個段落、一個跨越兩欄的粗體註釋，以及一個腳註。每個段落都以 P1 到 P8 的標記開頭，因此正確的閱讀順序是 P1 到 P8。

這三個檔案在螢幕上看不出來的差異在於：

• two-column-stream-logical.pdf 先儲存左欄文字，再儲存右欄文字。
• two-column-stream-rowwise.pdf 看起來相同，但逐行儲存文字，在兩欄之間交替。
• two-column-no-figure-rowwise.pdf 逐行儲存文字，且沒有圖表框。它是對照檔案。

然後我們用七種常見的開源方法擷取文字，並記錄每種方法傳回的段落順序：

這七種方法沒有一種能正確處理全部三個檔案。每一種正確處理一個檔案的方法，都會弄錯另一個檔案。在對照檔案中，pdftotext -raw、pdftotext -layout 以及設定 sort=True 的 PyMuPDF 也都印出了三行，每行都混合了兩欄的文字，這正是讀者看到複製文字跨越欄間空白時的情況。設定 sort=True 的 PyMuPDF 在另外兩個檔案中也各產生了一行這樣的內容。

這個測試刻意設計得很小：一個用 ReportLab 建立、未加標籤的合成英文頁面。它並不是要為這些函式庫排名，也沒有測試任何翻譯產品，包括 BookTranslator。它揭示的範圍更窄但也更有用：看起來相同的頁面可能產生不同的來源順序，因此唯一可靠的檢查方式就是使用你自己的檔案。

你可以用測試樣本產生器、三個 PDF（邏輯順序、逐列順序、無圖表逐列順序）、順序檢查器、呼叫全部七種方法的擷取器執行器，以及結果 CSV 來重現這個測試。

為什麼同一頁面會有不同的閱讀順序

擷取器採用兩種策略之一，而每一種都會在另一個檔案上失敗。

策略一：遵循檔案中儲存的順序。 PDF 會按照建立者寫入的順序繪製文字。poppler 手冊將 pdftotext -raw 描述為保留「內容串流順序中的文字」（且已不再建議使用該模式），而 PyMuPDF 的文件則說其預設輸出是「依照文件中的編碼方式」呈現的純文字（poppler pdftotext 手冊、PyMuPDF 文字操作指南）。當檔案以閱讀順序儲存文字時，這種方法有效。但當儲存的順序是逐列排列時，就像我們的第二個檔案那樣，即使頁面看起來相同，這種方法也會失敗。

策略二：根據文字在頁面上的位置重建順序。 pdftotext 的預設模式會嘗試以「閱讀順序」輸出文字，pdfminer.six 會將鄰近的行分組為區塊，並讓你在排序時權衡「水平與垂直位置」，而 PyMuPDF 的 sort=True 則會「從左上到右下」排序（pdfminer.six LAParams）。這些方法忽略儲存的順序，因此邏輯順序檔案和逐列順序檔案會得到相同的結果。

對照檔案解釋了失敗的原因。沒有圖表時，pdftotext 的預設模式和 pdfminer.six 都能正確讀取 P1 到 P8。在左欄頂端加入一個圖表方塊後，右欄的第一段（P4）就成為頁面上位置最高的文字。權衡垂直位置的方法會從那裡開始讀取頁面。

這是一種常見的頁面設計，而非邊緣案例：論文會在左欄開頭放圖表或摘要方塊，雜誌會在圖片下方開始一欄，手冊會在第一步驟上方放警告方塊。全寬註記（P7）和腳註（P8）在每次執行中都保持在原位，因此只檢查頁面底部的做法會漏掉這個問題。

步驟一：五分鐘內檢查你自己的 PDF

我們測試檔案中的標記並不存在於你的文件中，但同樣的檢查方式可以用你自己挑選的幾個句子來進行。

1. 挑選最難的頁面，而不是第一頁。 選擇一個雙欄頁面，其中一欄頂端附近有圖表、表格或方框註記，並且頁面中段有全寬標題或註記。
2. 按照閱讀順序寫下五個錨點短語：左欄的開頭文字、左欄的結尾文字、右欄的開頭文字、全寬元素，以及圖說文字。
3. 從你的 PDF 檢視器複製整個頁面，並貼到純文字編輯器中。如果你使用的工具提供來源預覽，請改用該預覽，因為它會顯示工具實際收到的順序。
4. 在貼上的文字中尋找這些錨點。 它們應該按照你寫下的順序出現，而且任何一行都不應該同時包含兩欄的文字。
5. 對另一種不同的頁面類型重複此步驟，例如參考文獻頁、有側邊欄的頁面，或章節的第一頁。

請這樣解讀結果：

複製貼上只是快速檢查，不能證明其他工具會如何處理。我們的表格顯示，兩個工具可能以不同方式讀取同一個檔案。檢視器的結果告訴你這個檔案的風險有多高。工具本身的預覽，或單頁測試翻譯，則能告訴你該工具實際讀取到的內容。

如果貼上的文字字母正確，但間距或換行錯亂，請先修正複製貼上的文字問題，再判斷欄位順序。

步驟 2：根據所見選擇工作流程

根據檢查結果選擇工作流程，而不是根據工具聲稱能保留版面配置。

順序正確且文字可選取。 以檔案方式翻譯 PDF，而非貼上片段。保留版面配置的工作流程會將譯文放回頁面，讓欄位、圖表和頁眉保持在讀者預期的位置。在 BookTranslator 中，這就是標準的 PDF 翻譯 路徑。任何保留版面配置的承諾（包括我們的），都應視為需要在步驟 1 找到的最棘手頁面上驗證的事項，而非保證。

順序僅在圖表或方框元素附近出錯。 在翻譯整份文件前，先用你選擇的工具處理一個問題頁面。如果該頁面輸出順序正確，表示該工具並未採用與你複製檢查時相同的策略。如果輸出順序錯亂，請改變工作流程，而不是期望檔案其餘部分會有不同表現。

頁面為掃描檔，或文字層無法使用。 請使用 OCR。BookTranslator 的 OCR 模式 會讀取頁面影像，並重建乾淨的翻譯 PDF。該頁面建議將此模式用於教科書、學術論文、表格和圖片密集的頁面，因為在這些情況下，保留內容比保留確切版面更重要。我們並未在本指南的測試樣本上測試此模式。取捨很明確：OCR 模式不會嘗試保留原始版面、字型或字級。特別是掃描檔，請參閱如何翻譯掃描版 PDF。

你無論如何都需要可編輯的文件。 將 PDF 轉換為 Word，在該處修正閱讀順序，然後翻譯 DOCX。這最費力，但這是唯一能在翻譯前直接修正段落順序的途徑。它也會改變版面配置，因此當輸出需要進一步編輯時使用，而非必須看起來與原始頁面相同時。

避免將欄位貼到聊天機器人或文字方塊中。 你必須在每一頁手動重建順序、圖說和註腳。我們的表格顯示，在開始之前順序有多容易出錯。

對於學術論文，同樣的問題會與方程式、引用和參考文獻結合，請遵循研究論文翻譯工作流程。關於適用於所有 PDF 類型的一般保留版面配置流程，請參閱如何在保留格式的同時翻譯 PDF。

步驟 3：檢查翻譯後的欄位

多欄翻譯的失敗點，往往在快速瀏覽時容易被忽略。請在步驟 1 測試過的每種頁面類型上，檢查以下五個地方：

1. 欄位分隔處。 閱讀左欄的最後一句和右欄的第一句。論述應該延續，而不是跳到不同的段落。
2. 圖說與圖表。 每個圖說仍應位於其所屬圖表下方、經過翻譯，且不應偏移到正文之中。
3. 全寬元素。 橫跨兩欄的標題、註記和引言應仍然橫跨兩欄，且不應被拆成兩個半句。
4. 註腳與頁眉。 正文中的註腳標記應與頁面底部的註記相符，頁眉不應出現在段落中間。
5. 窄欄中的溢出。 譯文通常比原文更長。W3C 關於翻譯中的文字大小的指引引用了 IBM 的數據：超過 70 個字元的英文原文翻譯成歐洲語言時，長度約增加 130%，較短字串的增幅更大。窄欄幾乎沒有空間容納這些多出的文字，因此要留意被裁切的行、縮小的字體，或與圖表重疊的文字。標題和表格儲存格最容易溢出。

審閱時，雙語檔案很有幫助，但其版面配置很重要。將原文和譯文放在同一頁，會把兩種語言擠進原本就很窄的欄位。在 BookTranslator 的標準 PDF 翻譯中（關閉 OCR 模式），雙語 PDF 提供兩種版面配置：同一頁和分開頁面。對於多欄文件，請選擇分開頁面：每個原文頁面後面跟著其譯文頁面，因此每一欄都保持原始寬度。您仍然可以另外下載純譯文版本。我們的 PDF 翻譯品質檢查清單涵蓋其餘的檔案層級檢查。

如果譯文 PDF 還需要與螢幕閱讀器搭配使用，僅有視覺順序是不夠的。標記閱讀順序需要另行檢查。W3C 指出，標記 PDF 的閱讀順序「主要由文件元素的標籤順序決定」（W3C PDF3）。我們的譯文 PDF 無障礙性指南說明了如何測試。

本指南未主張的事項

• 這不是工具排名。 這七款擷取工具之所以入選，是因為它們常見且易於重新執行。每一款都至少在三份檔案中的一份上失敗，而不同的測試檔案可能會改變哪些工具會失敗。
• 這沒有測試翻譯產品。 我們沒有在這些檔案上執行 BookTranslator、DeepL、Google Translate 或任何其他翻譯工具。上述產品描述來自 BookTranslator 目前的產品文案，而非來自本次測試。
• 一頁不等於一份文件。 真實檔案混合了不同的頁面設計，因此請至少檢查兩種頁面類型。
• 標記 PDF 的表現可能不同。 我們的測試檔案未經標記。經過適當標記的 PDF 帶有明確的閱讀順序，部分工具會加以利用。

實用原則依然成立：在翻譯之前，先了解您的 PDF 如何閱讀。如果順序正確，就翻譯檔案並檢查欄位。如果順序錯誤，請改變工作流程，而不是翻譯設定。