So übersetzen Sie nur Zahlen und Datumsangaben in einer PDF-Tabelle und behalten dabei den Text bei

Das Übersetzen einer PDF-Tabelle bedeutet normalerweise, dass der gesamte Text von einer Sprache in eine andere konvertiert wird. Einige Szenarien erfordern jedoch einen chirurgischeren Ansatz: Beibehaltung des Textkörpers in seiner Originalsprache, während nur die Zahlen von einem Format in ein anderes übersetzt werden, oder Konvertieren von Datumsformaten von TT/MM/JJJJ in MM/TT/JJJJ oder Ändern von Dezimaltrennzeichen von europäischen Kommas in englische Punkte. Dabei handelt es sich nicht um eine Sprachübersetzung im herkömmlichen Sinne. Es handelt sich um eine Lokalisierung im numerischen Format und erfordert andere Tools als die Volltextübersetzung.

Bei der numerischen Lokalisierung geht es weniger um die Sprache als vielmehr um Formatkonventionen.

Ein Translate PDF-Ansatz für Zahlen und Datumsangaben funktioniert auf der Ebene der Datenextraktion und nicht auf der Ebene der Textersetzung. Extrahieren Sie die numerischen Werte, konvertieren Sie sie programmgesteuert und überlagern Sie die konvertierten Werte entweder mit der Original-PDF-Datei oder erstellen Sie eine neue Version der Tabelle. Der PDF-Konverter von WukongPDF erledigt den Extraktionsschritt zuverlässig und die tabellenbasierte Formatkonvertierung erledigt den Rest. Das Isolieren nur der numerischen Zellen vom umgebenden Text ist der entscheidende erste Schritt, der bestimmt, ob der Rest des Prozesses funktioniert.

Gemeinsame Unterschiede im Zahlen- und Datumsformat zwischen Regionen

Dezimal- und Tausendertrennzeichen sind die größte Ursache für Verwirrung. Die Zahl eintausendfünfundzwanzig Cent wird in den USA und im Vereinigten Königreich als 1.000,25 geschrieben, in den meisten Teilen Kontinentaleuropas und Südamerikas jedoch als 1.000,25. Bei einer Tabelle deutschen Ursprungs, die an ein US-amerikanisches Publikum gerichtet ist, muss jedes Dezimalkomma durch einen Punkt und jeder Tausenderpunkt durch ein Komma ersetzt werden, ohne ein einziges Wort des umgebenden Textes zu berühren. Das pauschale Suchen und Ersetzen verfälscht sowohl Zahlen als auch Text und führt zu einem Durcheinander, das schlimmer ist als die ursprüngliche Formatierungsabweichung.

Datumszeichenfolgen fügen eine weitere Dimension der Mehrdeutigkeit hinzu. Die Zeichenfolge 03/04/2025 bedeutet in den USA den 4. März, in Großbritannien und den meisten Teilen Europas jedoch den 3. April. Beim Konvertieren ohne Kenntnis des Quellformats besteht die Gefahr, dass sich jedes Datum um Wochen oder Monate verschiebt. Für Währungssymbole gelten auch Positionsregeln: Das Euro-Symbol steht in Irland vor dem Betrag, in Frankreich jedoch dahinter, und in einigen Regionen wird zwischen Symbol und Zahl ein Leerzeichen eingefügt, in anderen nicht. Negative Zahlen werden in manchen Regionen mit einem führenden Minuszeichen, in anderen mit Klammern und in einigen wenigen mit einem nachgestellten Minuszeichen angezeigt. Jede Konvention ist tief in der regionalen Praxis verankert und muss korrekt abgebildet werden, damit die Zielgruppe dem Dokument vertrauen kann.

Versuchen Sie es mit „PDF übersetzen“.

Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.

Jetzt starten →

Nur die numerischen Zellen aus der PDF-Tabelle extrahieren

Der erste Schritt besteht darin, die Tabelle in ein zellenadressierbares Format zu bringen. Beim Export nach Excel oder CSV bleibt die Rasterstruktur erhalten und die integrierte Formaterkennung von Excel ermöglicht die automatische Identifizierung numerischer Zellen. Der Text-zu-Spalten-Assistent und die Zahlenformaterkennung bewältigen einfache Fälle ohne manuellen Eingriff. Bei sauber exportierten Tabellen dauert die gesamte Konvertierung weniger als eine Minute.

Tabellen, die nicht sauber exportiert werden, zusammengeführte Zellen, komplexe Rahmen oder gemischte Text- und Zahleninhalte in einzelnen Zellen, erfordern einen programmatischen Ansatz. Python-Bibliotheken wie Camelot-Py und Tabula-Py extrahieren Tabellen als DataFrames mit integrierter numerischer Spaltenerkennung. Der programmgesteuerte Pfad behandelt auch Randfälle wie Zellen, die sowohl einen Wert als auch eine Einheitenabkürzung enthalten, wobei nur der numerische Teil neu formatiert werden sollte. Das Schreiben einiger Python-Zeilen, die die Formatkonvertierung nur auf identifizierte numerische Spalten anwenden, ist besser, als Dutzende von Zellen manuell zu reparieren, die durch einen Pauschalexport beschädigt wurden.

Zahlenformate programmgesteuert konvertieren

Isolierte numerische Zellen folgen vorhersehbaren Konvertierungsregeln. Dezimalkommas werden zu Punkten. Tausenderpunkte werden zu Kommas oder werden ganz entfernt. Der schwierige Teil besteht darin, zu bestimmen, welche Rolle jedes Trennzeichen in der Quelle spielt. Ein einzelnes Komma in 1.234 könnte entweder Tausender (ergibt 1234) oder Dezimalzahl (ergibt 1,234) sein. Der Spaltenkontext löst die Mehrdeutigkeit: Wenn jede zweite Zahl in der Spalte demselben Muster folgt und die Größen nur unter einer einzigen Interpretation sinnvoll sind, gilt diese Interpretation für die gesamte Spalte. Die Konsistenz innerhalb einer Spalte ist ein stärkeres Signal als das Format einer einzelnen Zelle.

Für die Datumskonvertierung sind sowohl Quell- als auch Zielformate bekannt. Tauschen Sie die ersten beiden Komponenten für die Richtung TT/MM in MM/TT aus. Wenn das Quellformat unsicher ist, suchen Sie nach Werten über 12 in der Tages- oder Monatsposition. Ein Datum wie der 15.03.2025 kann nur TT/MM/JJJJ sein, da die Monatsobergrenze bei 12 liegt. Verknüpfen Sie diese eindeutigen Daten, um das Format abzuleiten, wenden Sie es auf die mehrdeutigen an und kennzeichnen Sie jedes konvertierte Datum, dessen Tag 12 im Zielformat überschreitet, zur manuellen Überprüfung. Die Flags fangen die Grenzfälle ab, die die automatisierte Konvertierungslogik übersieht.

Konvertierte Zahlen wieder in das PDF integrieren

Zwei Wege führen zurück zum fertigen PDF. Das Erstellen einer neuen PDF-Datei aus der konvertierten Tabelle mit der Formatierung, die mit der des Originals übereinstimmt, eignet sich gut für einfache Tabellen. Moderne Tabellenkalkulations-zu-PDF-Exporttools behalten die meisten Formatierungen bei, und wenn eine Vorlage so eingerichtet ist, dass sie das ursprüngliche Layout widerspiegelt, ist die Ausgabe bis auf die konvertierten Werte nahezu nicht zu unterscheiden. Tabellen mit komplexer Formatierung benötigen stattdessen den Overlay-Ansatz.

Die Überlagerung funktioniert bei komplexen Layouts, bei denen beim erneuten Export die Wiedergabetreue verloren geht. Konvertieren Sie nur die numerischen Zellen in eine transparente Textebene, überlagern Sie sie an den genauen Positionen der Originalzahlen mit der Original-PDF-Datei und bedecken Sie die Originale zunächst mit weißen Schwärzungsfeldern. Dadurch bleibt das vollständige visuelle Layout erhalten, während korrigierte numerische Formate angezeigt werden. Die genaue Positionierung ist bei großen Tabellen mühsam. Behalten Sie diese Technik daher für kurze Dokumente bei, bei denen die Genauigkeit des Layouts von größter Bedeutung ist, wie z. B. beglaubigte Erklärungen für Aufsichtsbehörden, die das Dokument Pixel für Pixel mit ihren Einreichungsrichtlinien vergleichen.

Qualitätsprüfung der konvertierten Ausgabe

Numerische Fehler verbergen sich deutlich. Ein Saldo von 123,456,78, der fälschlicherweise in 123.456,78 umgewandelt wurde, verändert den Wert um zwei Größenordnungen, erscheint aber auf den ersten Blick als vernünftige Zahl. Vergleichen Sie die Proben mit den Originalen, indem Sie die Summen vergleichen, die Zeilensummen vergleichen und überprüfen, ob die konvertierten Daten im erwarteten Bereich liegen. Ein kurzer Plausibilitätscheck: Stimmt die umgerechnete Summe nach Anwendung des entsprechenden Faktors in etwa mit dem Original überein? Eine Nichtübereinstimmung deutet auf einen Konvertierungslogikfehler hin, nicht auf eine Rundungsdifferenz.

Kritische Dokumente brauchen eine zweite Person. Lassen Sie eine andere Person selbstständig eine Zufallsstichprobe umrechnen und die Ergebnisse vergleichen. Die Kosten eines numerischen Fehlers in einer Finanzakte oder einer rechtlichen Vereinbarung übertreffen die Kosten des Verifizierungsschritts bei weitem. Bewahren Sie für wiederkehrende Konvertierungen eine Testsuite bekannter Werte mit bekanntermaßen korrekten Ausgaben auf und führen Sie diese für jede neue Konvertierung aus. Die Testsuite erkennt Regressionen sofort und schafft Vertrauen, dass die Konvertierungslogik alle dokumentierten Grenzfälle verarbeitet.

Versuchen Sie es mit „PDF übersetzen“.

Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.

Jetzt starten →