file - 使用 Google Translate API 翻译 PDF 文件

Question

我想在我的项目中使用 Google 翻译。我与 Google 完成了所有手续。我也有 API key 。有了这个键，我可以轻松地用 JavaScript 翻译任何单词。但是如何像我们在谷歌翻译网站上那样翻译PDF文件呢？我发现这样一件事:

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

但是在这里我无法使用我的 key ，因此翻译需要花费很多时间。所以我想使用我的 Key 翻译 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.

我在其中搜索了此 pdf 翻译，但没有找到任何内容。请帮帮我。

Answer 1

TL:DR:使用 headless 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不需要视觉输出，您可以提取文本并将其提供给 Google 翻译。

由于您没有提供有关您的项目的信息(语言、环境等)，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，那是相当困难的。为了避免(部分)头痛，您可以将 PDF 转换为图像(使用 imagemagick 工具或类似工具)，然后您有三个选择:

• 对图像中的文本进行 OCR，然后将其提供给 Google，但您又会丢失原始形式。

• OCR 文本，但保存位置(有些库可以做到这一点，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翻译它，并将结果写入图像。为了获得最佳效果，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，此功能在公共(public) 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

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

使用 headless 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 并最终打印为 PDF。

这是一个使用 SlimerJS 的简短示例(应与 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
它产生这个结果(翻译成法语):(我发布了一个屏幕截图，因为我无法嵌入 PDF ;))