5 - Githubissues

Сохранение структуры и форматирования документа

Чтобы сохранить структуру и форматирование документа при переводе, нужно учитывать, что библиотека python-docx позволяет работать не только с текстом, но и с другими элементами документа, такими как заголовки, таблицы и т.д.

Пример кода с сохранением форматирования

Вот модифицированный пример кода, который сохраняет форматирование, включая заголовки:

from docx import Document
from googletrans import Translator

def translate_paragraph(para, translator, dest_lang):
    """Функция для перевода параграфа с сохранением форматирования."""
    translated_text = translator.translate(para.text, dest=dest_lang).text
    new_para = para._element.clone()  # Клонируем элемент параграфа
    new_para.text = translated_text  # Устанавливаем переведенный текст
    return new_para

def translate_docx(input_file, output_file, dest_lang='ru'):
    # Создаем объект Translator
    translator = Translator()

    # Загружаем документ
    doc = Document(input_file)
    new_doc = Document()

    # Перебираем параграфы в документе
    for para in doc.paragraphs:
        # Переводим параграф
        new_para = translate_paragraph(para, translator, dest_lang)
        # Добавляем переведенный параграф в новый документ
        new_doc._element.body.append(new_para)

    # Сохраняем новый документ
    new_doc.save(output_file)

# Пример использования
translate_docx('input.docx', 'translated_output.docx', 'en')

Что изменилось?

Клонирование параграфа: Мы создаем новую функцию translate_paragraph, которая клонирует элемент параграфа, чтобы сохранить его форматирование.
Добавление в новый документ: Вместо создания нового параграфа мы добавляем клон оригинального параграфа с переведенным текстом.

Заключение

С помощью этого подхода можно сохранить форматирование и структуру оригинального документа при переводе. Если у вас есть дополнительные вопросы или нужны уточнения, не стесняйтесь спрашивать!

Перевод PDF документов на Python

Для автоматического перевода PDF документов на Python можно использовать библиотеки PyPDF2 или pdfplumber для извлечения текста и googletrans для перевода. Однако стоит отметить, что сохранение форматирования в PDF может быть более сложным, чем в DOCX.

Установка необходимых библиотек

Сначала установите необходимые библиотеки:

pip install PyPDF2 googletrans==4.0.0-rc1

Пример кода

Вот пример кода, который извлекает текст из PDF файла, переводит его и сохраняет в новый PDF файл:

import PyPDF2
from googletrans import Translator
from fpdf import FPDF

def translate_pdf(input_file, output_file, dest_lang='ru'):
    # Создаем объект Translator
    translator = Translator()

    # Открываем PDF файл
    with open(input_file, 'rb') as file:
        reader = PyPDF2.PdfReader(file)
        pdf_writer = FPDF()
        pdf_writer.set_auto_page_break(auto=True, margin=15)
        pdf_writer.add_page()
        pdf_writer.set_font("Arial", size=12)

        # Перебираем страницы в документе
        for page in reader.pages:
            text = page.extract_text()
            if text:
                # Переводим текст
                translated_text = translator.translate(text, dest=dest_lang).text
                # Добавляем переведенный текст в новый PDF
                pdf_writer.multi_cell(0, 10, translated_text)

    # Сохраняем новый PDF файл
    pdf_writer.output(output_file)

# Пример использования
translate_pdf('input.pdf', 'translated_output.pdf', 'en')

Описание кода

Импорт библиотек: Мы используем PyPDF2 для чтения PDF и fpdf для создания нового PDF.
Функция translate_pdf: Эта функция открывает исходный PDF, извлекает текст, переводит его и добавляет в новый PDF.
Сохранение результата: Новый PDF файл сохраняется с переведенным текстом.

Ограничения

Сложное форматирование: PDF формат может содержать сложные элементы, такие как таблицы и изображения, которые могут не сохраняться при простом извлечении текста.
Качество перевода: Перевод может зависеть от качества исходного текста и выбранного API.

Заключение

Теперь у вас есть базовая программа для автоматического перевода PDF документов на Python! Если у вас есть дополнительные вопросы или нужны уточнения, не стесняйтесь спрашивать!

Чтобы создать автоматический переводчик для документов формата DOCX с сохранением форматирования и стилей, можно использовать библиотеки python-docx для работы с DOCX и googletrans для перевода текста. Вот общий план действий:

Установите необходимые библиотеки:
```
pip install python-docx googletrans==4.0.0-rc1
```
Чтение документа: Используйте python-docx, чтобы открыть и прочитать текст из документа.
Перевод текста: Используйте googletrans для перевода текста на нужный язык.
Создание нового документа: Сохраните переведенный текст в новый DOCX-документ, сохраняя оригинальное форматирование.

Вот пример кода:

from docx import Document
from googletrans import Translator

def translate_docx(input_file, output_file, dest_language='ru'):
    # Создаем экземпляр Translator
    translator = Translator()

    # Открываем исходный документ
    doc = Document(input_file)
    new_doc = Document()

    for paragraph in doc.paragraphs:
        # Переводим текст параграфа
        translated_text = translator.translate(paragraph.text, dest=dest_language).text

        # Добавляем новый параграф с сохранением форматирования
        new_paragraph = new_doc.add_paragraph(translated_text)
        new_paragraph.style = paragraph.style  # Сохраняем стиль параграфа

    # Сохраняем новый документ
    new_doc.save(output_file)

# Пример использования
translate_docx('input.docx', 'translated_output.docx', 'es')  # Перевод на испанский

Замечания:

Обратите внимание, что googletrans использует неофициальный API Google Translate, который может иметь ограничения.
Сложные элементы, такие как таблицы и изображения, потребуют дополнительной обработки.
Для больших документов или множества параграфов возможно ограничение по времени ожидания API. Рассмотрите возможность добавления задержек между запросами.

Для реализации более сложного переводчика PDF с сохранением форматирования, вы можете использовать библиотеки PyMuPDF для извлечения текста и reportlab для создания нового PDF-документа. Также можно использовать pdfplumber для более точного извлечения текста с сохранением структуры.

Вот пример реализации, который включает обработку текстов, шрифтов и базовых форматирований:

Установка библиотек

pip install PyMuPDF pdfplumber googletrans==4.0.0-rc1 reportlab

Пример кода

import fitz  # PyMuPDF
import pdfplumber
from googletrans import Translator
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
from reportlab.lib import colors
from reportlab.lib.units import inch

def translate_pdf(input_file, output_file, dest_language='ru'):
    translator = Translator()
    new_pdf = canvas.Canvas(output_file, pagesize=letter)
    width, height = letter

    with pdfplumber.open(input_file) as pdf:
        for page in pdf.pages:
            # Извлекаем текст и его расположение
            text = page.extract_text()
            if not text:
                continue

            # Переводим текст
            translated_text = translator.translate(text, dest=dest_language).text

            # Разбиваем текст на строки для корректного отображения
            lines = translated_text.split('\n')
            y_position = height - 72  # Начальная позиция по Y

            for line in lines:
                new_pdf.drawString(72, y_position, line)
                y_position -= 12  # Понижаем позицию Y для следующей строки

                # Если достигаем нижней границы страницы, создаем новую
                if y_position < 72:
                    new_pdf.showPage()
                    y_position = height - 72

            new_pdf.showPage()  # Переход на новую страницу

    # Завершаем создание PDF
    new_pdf.save()

# Пример использования
translate_pdf('input.pdf', 'translated_output.pdf', 'es')  # Перевод на испанский

Объяснение кода

Извлечение текста: Используется pdfplumber для извлечения текста с учетом его структуры. Это позволяет сохранить абзацы и строки.
Перевод: Каждый абзац переводится с использованием googletrans.
Создание нового PDF: reportlab используется для создания нового PDF-документа. Мы разбиваем переведенный текст на строки и добавляем их на страницу. Если текст не помещается, создается новая страница.
Учет позиционирования: Мы следим за положением по вертикали (y_position), чтобы корректно размещать текст на странице.

Замечания

Этот пример не сохраняет сложное форматирование, такое как шрифты и стили, но позволяет сохранить текстовое представление.
Для более сложных документов с таблицами, изображениями и стилями потребуется более детальная логика, чтобы распознавать и обрабатывать каждый элемент.

Если вам нужно сохранить больше форматирования или обработать специфические элементы, дайте знать, и я помогу с более детальной реализацией!

Fox13th / git_intro

5 #8

Сохранение структуры и форматирования документа

Пример кода с сохранением форматирования

Что изменилось?

Заключение

Перевод PDF документов на Python

Установка необходимых библиотек

Пример кода

Описание кода

Ограничения

Заключение

Замечания:

Установка библиотек

Пример кода

Объяснение кода

Замечания