通过保持 Python 格式来翻译 pdf 文件

Question

我正在尝试使用翻译 API 翻译 PDF 文件，并通过保持格式相同将其输出为 PDF。我的方法是将 PDF 转换为 word doc 并翻译文件，然后将其转换回 PDF。但问题是，没有有效的方法将 PDF 转换为 word。我正在尝试编写自己的程序，但 PDF 有很多格式。所以我想处理所有格式需要一些努力。所以我的问题是，是否有任何有效的方法可以在不丢失格式的情况下翻译 PDF，或者是否有任何有效的方法将它们转换为 docx。我使用 python 作为编程语言。

Answer 1

可能不会。

PDF 并不意味着机器可读或可编辑，真的；它们描述了格式化、布局、可打印的页面。

Answer 2

你可以在这里使用 pdfminer 代替 API：

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from io import StringIO

def convert_pdf_to_txt(path):
    rsrcmgr = PDFResourceManager()
    retstr = StringIO()
    codec = 'utf-8'
    laparams = LAParams()
    device = TextConverter(rsrcmgr, retstr, codec=codec, laparams=laparams)
    fp = open(path, 'rb')
    interpreter = PDFPageInterpreter(rsrcmgr, device)
    password = ""
    maxpages = 0
    caching = True
    pagenos=set()

    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True):
        interpreter.process_page(page)

    text = retstr.getvalue()

    fp.close()
    device.close()
    retstr.close()
    return text