一、背景与目标
在处理英文技术文档、论文或说明书时，常见的 PDF 翻译方案存在几个痛点：
- ❌ 翻译后版式错乱
- ❌ 图片、公式丢失
- ❌ 代码、URL 被误翻译
- ❌ 中文字体无法正常显示
- ❌ 只能整页 OCR，无法保持原始排版
本文介绍一种基于 PyMuPDF（fitz）+ Ollama 大模型的 PDF 翻译方案，目标是：
逐页、逐文本块翻译 PDF，自然语言翻译为中文，图片与版式完全保持不变
翻译后的效果如下图
二、整体技术方案
技术选型
| 模块 | 技术 |
|---|---|
| PDF 解析 | PyMuPDF（fitz） |
| 图片处理 | PyMuPDF Pixmap |
| 大模型推理 | Ollama |
| 翻译模型 | qwen2.5:7b |
| 输出方式 | 重新生成 PDF（逐页） |
核心思路
整个流程可拆解为 5 个步骤：
- 逐页解析 PDF
- 提取文本 span（包含字体、字号、位置）
- 提取并复制原始图片
- 使用大模型翻译自然语言文本
- 在原坐标位置重新绘制文本，生成新 PDF
三、核心类设计：PDFTranslator
整个翻译逻辑被封装在PDFTranslator类中，职责清晰、结构合理。
✅ 必须安装（核心依赖）
pipinstallpymupdf pipinstallollama pipinstallpillow完整代码
importfitz# PyMuPDFimportosimporttempfilefromPILimportImageimportioimportollamaclassPDFTranslator:def__init__(self,source_pdf_path,model="qwen2.5:7b"):""" 初始化PDF翻译器 Args: source_pdf_path (str): 源PDF文件路径 model (str): Ollama模型名称 """self.source_pdf_path=source_pdf_path self.doc=fitz.open(source_pdf_path)self.model=modeldefextract_text_and_positions(self,page_num):""" 提取指定页面的文本及其位置信息 Args: page_num (int): 页面编号（从0开始） Returns: list: 包含文本块信息的列表 """page=self.doc[page_num]text_blocks=[]# 获取页面上的文本块blocks=page.get_text("dict")["blocks"]forblockinblocks:if"lines"inblock:# 文本块forlineinblock["lines"]:forspaninline["spans"]:text_blocks.append({"text":span["text"],"bbox":span["bbox"],# 边界框 [x0, y0, x1, y1]"size":span["size"],"font":span["font"],"color":span["color"]})returntext_blocksdefextract_images(self,page_num):""" 提取指定页面的图片 Args: page_num (int): 页面编号（从0开始） Returns: list: 包含图片信息的列表 """page=self.doc[page_num]image_list=[]# 获取页面上的图片image_list_raw=page.get_images()forimg_index,imginenumerate(image_list_raw):xref=img[0]pix=fitz.Pixmap(self.doc,xref)# 如果是CMYK图片，转换为RGBifpix.n<5:img_data=pix.tobytes("png")else:pix1=fitz.Pixmap(fitz.csRGB,pix)img_data=pix1.tobytes("png")pix1=None# 获取图片在页面上的位置img_rects=page.get_image_rects(xref)image_info={"image_data":img_data,"rect":img_rects[0]ifimg_rectselseNone,"xref":xref}image_list.append(image_info)pix=Nonereturnimage_listdeftranslate_text(self,text,dest_lang='zh'):""" 使用Ollama大模型翻译文本 Args: text (str): 要翻译的文本 dest_lang (str): 目标语言 Returns: str: 翻译后的文本 """try:# 构建翻译提示，明确要求将英文翻译成中文，只返回翻译结果，保持原文格式prompt=f"""请将以下英文文本翻译成中文，保持原文的格式、空格和标点符号，只返回翻译结果，不要添加任何解释。 翻译要求： 1. 所有代码内容（包括代码块、函数名、类名、变量名、命令、配置项等）必须保持原样，不得翻译。 2. 所有网址（以 http://、https://、www. 开头的链接）必须保持原样，不得翻译。 3. 所有数字保持原样，不得翻译或改写（包括整数、小数、百分比、版本号、时间、日期、编号等）。 4. 保持原文中的空格、换行、缩进等格式，确保翻译后格式一致。 5. 仅翻译自然语言描述性的英文文本，其余内容全部保持不变。 英文文本如下：{text}"""print(f"正在翻译文本:{text[:50]}..."iflen(text)>50elsef"正在翻译文本:{text}")# 调用Ollama模型response=ollama.chat(model=self.model,messages=[{'role':'user','content':prompt}])translated=response['message']['content'].strip()print(f"翻译结果:{translated[:50]}..."iflen(translated)>50elsef"翻译结果:{translated}")returntranslatedexceptExceptionase:print(f"翻译错误:{e}")returntext# 如果翻译失败，返回原文本defcreate_translated_pdf(self,output_path,dest_lang='zh',start_page=0,end_page=None):""" 创建翻译后的PDF文件，保持原有版面布局 Args: output_path (str): 输出PDF文件路径 dest_lang (str): 目标语言 start_page (int): 开始页面（从0开始） end_page (int): 结束页面（从0开始，None表示到最后一页） """# 确定页面范围ifend_pageisNone:end_page=len(self.doc)-1else:end_page=min(end_page,len(self.doc)-1)# 处理指定范围的页面forpage_numinrange(start_page,end_page+1):print(f"正在处理第{page_num+1}页...（共{len(self.doc)}页）")# 创建新的PDF文档new_doc=fitz.open()# 获取原始页面信息original_page=self.doc.load_page(page_num)page_width=original_page.rect.width page_height=original_page.rect.height# 创建新页面new_page=new_doc.new_page(width=page_width,height=page_height)# 复制原始页面的布局和图片original_page=self.doc[page_num]# 复制图片images=self.extract_images(page_num)forimg_infoinimages:ifimg_info["rect"]:# 插入原始图片new_page.insert_image(img_info["rect"],stream=img_info["image_data"])# 提取并翻译文本text_blocks=self.extract_text_and_positions(page_num)# 为了更好地保持版面，我们需要更精确地处理文本forblockintext_blocks:ifblock["text"].strip():# 避免空文本translated_text=self.translate_text(block["text"],dest_lang)# 计算文本位置bbox=block["bbox"]x0,y0,x1,y1=bbox# 创建文本插入点（使用左下角作为基点）# fitz使用笛卡尔坐标系，y轴向上point=fitz.Point(x0,y0+block["size"])# 使用text writer来保持更好的版面# 首先擦除原始文本区域（可选）# 然后插入翻译后的文本# 检查文本是否包含中文字符，如果是，则使用中文字体ifany(ord(char)>127forcharintranslated_text):# 包含非ASCII字符（如中文）try:new_page.insert_text(point,translated_text,fontsize=block["size"],fontname="china-ss",color=(0,0,0)# 强制使用黑色文字以确保可见)except:# 如果内置字体失败，使用默认字体new_page.insert_text(point,translated_text,fontsize=block["size"],color=(0,0,0)# 强制使用黑色文字以确保可见)else:# 如果是英文文本，使用原始字体try:new_page.insert_text(point,translated_text,fontsize=block["size"],fontname=block["font"],color=(0,0,0)# 强制使用黑色文字以确保可见)except:new_page.insert_text(point,translated_text,fontsize=block["size"],color=(0,0,0)# 强制使用黑色文字以确保可见)else:# 如果是空文本，直接复制原始文本（如空格等）bbox=block["bbox"]x0,y0,x1,y1=bbox point=fitz.Point(x0,y0+block["size"])# 对于空文本块，也检查是否包含中文字符ifany(ord(char)>127forcharinblock["text"]):# 包含非ASCII字符（如中文）try:new_page.insert_text(point,block["text"],fontsize=block["size"],fontname="china-ss",color=(0,0,0)# 强制使用黑色文字以确保可见)except:# 如果内置字体失败，使用默认字体new_page.insert_text(point,block["text"],fontsize=block["size"],color=(0,0,0)# 强制使用黑色文字以确保可见)else:# 如果是英文文本，使用原始字体try:new_page.insert_text(point,block["text"],fontsize=block["size"],fontname=block["font"],color=(0,0,0)# 强制使用黑色文字以确保可见)except:new_page.insert_text(point,block["text"],fontsize=block["size"],color=(0,0,0)# 强制使用黑色文字以确保可见)# 为每一页创建单独的PDF文件page_output_path=output_path.replace('.pdf',f'_page_{page_num+1}.pdf')new_doc.save(page_output_path)new_doc.close()print(f"第{page_num+1}页翻译完成，输出文件:{page_output_path}")print(f"所有页面翻译完成！")defget_page_count(self):""" 获取PDF总页数 Returns: int: PDF总页数 """returnlen(self.doc)defclose(self):""" 关闭文档 """ifself.doc:self.doc.close()defmain():# 使用示例source_pdf="1.pdf"output_pdf="translated_1.pdf"# 创建翻译器实例，使用Ollama模型translator=PDFTranslator(source_pdf,model="qwen2.5:7b")try:print(f"PDF总页数:{translator.get_page_count()}")# 翻译PDF并保持版面（只翻译前3页作为示例）translator.create_translated_pdf(output_path=output_pdf,dest_lang='zh',start_page=8,end_page=211# 翻译前3页（0-2）)finally:# 关闭文档translator.close()if__name__=="__main__":main()
