V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 659 days ago, the information mentioned may be changed or developed.
互联网存在大量文件翻译网站，支持 pdf 、word 、excel 、html 、markdown 等文件的在线翻译，且都能较好的保留原文的格式。
因我是 java 技术栈，想实现类似的功能，通过 pdfbox 、poi 等工具，提取内容，翻译完以后再写入文件，翻译本身没问题，但是格式容易丢或者乱。
有人了解一般这种保留格式翻译的实现原理吗？
因我是 java 技术栈，想实现类似的功能，通过 pdfbox 、poi 等工具，提取内容，翻译完以后再写入文件，翻译本身没问题，但是格式容易丢或者乱。
有人了解一般这种保留格式翻译的实现原理吗？
 |
1
ty10086 Jul 10, 2024
这个是个专业的活儿。
不仅涉及提取、还涉及一个“对齐”，才能解决“格式容易丢或者乱”。 我这边有用小软件可以用。但是如果你要自己实现，可以参考 trados 相关原理，它处理得很好。 |
 |
2
Pteromyini Jul 10, 2024
|
 |
3
Fatinora Jul 10, 2024
我写过几个类似的输出功能，基本的原理的就是从原文中提取有效的片段，记录该片段的 seek 与 size ，组成中间数据格式来方便处理，比如翻译。
处理好之后开始输出，依次遍历中间数据格式，根据之前输入时记录的 seek 与 size ，将原文与修改好的片段进行结合。 https://github.com/MapoMagpie/rimedm/blob/3533a0836b9a27b79b52d4d72591e1f2e71d0944/dict/output.go#L79 |
 |
4
koto Jul 10, 2024
CAT 干的活吧，有个开源的 CAT 软件叫啥来着。。。说不定可以参考一下
|
|
5
koto Jul 10, 2024
OmegaT ？
|
 |
6
whats OP @Pteromyini 这种 AI-CV 的方式对复杂格式文档的解析似乎不错，我们尝试下
|
Select Language