使用 Google Translate API 翻译 PDF 文件

Posted 2023-03-13

【中文标题】使用 Google Translate API 翻译 PDF 文件

【英文标题】：Translate PDF file using Google Translate API

【发布时间】：2015-07-25 14:28:57

【问题描述】：

我想在我的项目中使用谷歌翻译。我与谷歌完成了所有手续。我也有 API 密钥。有了这个键，我可以很容易地用 javascript 翻译任何单词。但是如何像在谷歌翻译网站中那样翻译 PDF 文件呢？我发现了一件事是这样的：

http://translate.google.com/translate?hl=fr&sl=auto&tl=en&u=http://www.example.com/PDF.pdf

但是在这里我不能使用我的密钥，因此翻译需要很长时间。所以我想用我的 Key 翻译一个 PDF 文件。请帮帮我。 我的做法是这样的：

1. One html page I have.
2. One browse button for pdf
3. Upload the file
4. Transalte the pdf with Google API and show in the html page.

我搜索了这个 pdf 翻译，但没有找到任何东西。请帮帮我。

【参考方案1】：

TL:DR：使用无头浏览器从 Google 的 PDF 翻译服务呈现 PDF。

PDF 是一种复杂的格式，可以包含许多文本组件。为了翻译它，我将描述从简单到更高级的解决方案。

翻译原始文本

如果您只需要翻译而没有视觉输出，您可以提取文本并将其提供给谷歌翻译。

由于您没有提供有关您的项目的信息（语言、环境...），我会将您重定向到此thread on how to extract text

翻译所有文本

如果您需要从 PDF 中的所有内容中获取文本，那非常困难。为避免（部分）头痛，您可以将 PDF 转换为图像（使用 imagemagick 工具或类似工具），然后您有三个选项：

OCR 图像中的文本，然后将其提供给 google，您再次丢失了原始表单。

OCR 文本，但保存位置（有些库可以这样做，因为您没有指定项目信息，请参阅这些链接：#1、#2、#3、#4）。

然后用google api翻译，并将结果写入图片。要获得出色的效果，您需要考虑文本字体、颜色和背景颜色。相当困难，但可行。

使用google translate image service 翻译图像。不幸的是，该功能在公共 API 中不可用，因此除非进行一些逆向工程，否则这是不可能的。

使用 Google 的 PDF 翻译服务进行翻译

您使用翻译网站提供的解决方案可以很容易地实现自动化。它之所以长的原因是因为它是一个繁重的过程，而且您可能无法击败 Google。

使用无头浏览器，您可以获取带有 pdf 的翻译页面，然后观察翻译的内容位于 iframe 中，获取该 iframe，最后打印为 PDF。

这是一个使用SlimerJS 的简短示例（应该与Phantomjs 兼容）

var page = require("webpage").create();

// here you may want to setup page size and options    

// get the page
page.open('https://translate.google.fr/translate?hl=fr&sl=en&u=http://example.com/pdf-sample.pdf', function(status) 
    if (status !== 'success') 
        console.log('Unable to access network');
     else 
        // find the iframe with querySelector
        var iframe_src = page.evaluate(function() 
            return document.querySelector('#contentframe').querySelector('iframe').src;
        );

        console.log('Found iframe: ' + iframe_src);

        // render the iframe
        page.open(iframe_src, function(status) 
            // wait a bit for javascript to translate
            // this can be optimized to be triggered in javascript when translation is done
            setTimeout(function() 
                // print the page into PDF
                page.render('/tmp/test.pdf',  format: 'pdf' );

                phantom.exit(0);
            , 2000);

        );
    
);

提供此文件：http://www.cbu.edu.zm/downloads/pdf-sample.pdf 它产生了这个结果（翻译成法语）：（我发布了一个截图，因为我无法嵌入 PDF；））

【讨论】：

这个似乎很有趣Translate using Google's PDF translation service，但我的文件大小在 1Mb 左右，谷歌又说限制超出了:(我也有 word 和 ppt 文档..

嗯，这确实是一个小问题...您可以使用Imagemagick convert x.pdf x-%03d.pdf 将您的pdf 拆分成更小的部分

您好，谷歌翻译服务是否保留格式和图像？

【参考方案2】：

使用 Apache Tika 提取 pdf 文件的文本内容（您应该编写必要的 java 代码），然后使用您想要使用的任何 API 来翻译它。但是，正如上面提到的，谷歌翻译是一项付费服务​​。