Tłumaczenie tabeli PDF zwykle oznacza konwersję całego tekstu z jednego języka na inny. Jednak niektóre scenariusze wymagają bardziej chirurgicznego podejścia: zachowania tekstu podstawowego w jego oryginalnym języku, podczas tłumaczenia tylko liczb z jednego formatu na inny lub konwersji formatów daty z DD/MM/RRRR na MM/DD/RRRR lub zmiany separatorów dziesiętnych z europejskich przecinków na kropki angielskie. Nie jest to tłumaczenie językowe w konwencjonalnym tego słowa znaczeniu. Jest to lokalizacja w formacie numerycznym i wymaga innych narzędzi niż tłumaczenie pełnotekstowe.
Lokalizacja numeryczna w mniejszym stopniu zależy od języka, a bardziej od konwencji formatu.
Podejście Translate PDF do liczb i dat działa na poziomie ekstrakcji danych, a nie na poziomie zastępowania tekstu. Wyodrębnij wartości liczbowe, przekonwertuj je programowo i nałóż przekonwertowane wartości na oryginalny plik PDF lub utwórz nową wersję tabeli. WukongPDF PDF Converter niezawodnie obsługuje etap wyodrębniania, a konwersja formatu oparta na arkuszu kalkulacyjnym zajmuje się resztą. Izolowanie tylko komórek numerycznych od otaczającego tekstu jest pierwszym krytycznym krokiem, który określa, czy reszta procesu zadziała.
Typowe różnice w formatach numerycznych i dat pomiędzy regionami
Największym źródłem nieporozumień są separatory dziesiętne i tysiące. Liczba tysiąc dwadzieścia pięć centów zapisana jest jako 1000,25 w USA i Wielkiej Brytanii, ale w większości krajów Europy kontynentalnej i Ameryki Południowej jako 1000,25. Tabela pochodzenia niemieckiego przeznaczona dla odbiorców w USA wymaga zamiany każdego przecinka dziesiętnego na kropkę i każdej kropki tysiąca na przecinek, bez dotykania ani jednego słowa otaczającego tekstu. Ogólna funkcja wyszukiwania i zamiany psuje zarówno liczby, jak i tekst, tworząc bałagan gorszy niż oryginalne niedopasowanie formatowania.
Ciągi dat dodają kolejny wymiar niejednoznaczności. Ciąg 03.04.2025 oznacza 4 marca w USA, ale 3 kwietnia w Wielkiej Brytanii i większości Europy. Konwertowanie bez znajomości formatu źródłowego wiąże się z ryzykiem przesunięcia każdej daty o tygodnie lub miesiące. Symbole walut również podlegają zasadom pozycyjnym: symbol euro poprzedza kwotę w Irlandii, ale następuje po niej we Francji, a w niektórych regionach między symbolem a liczbą wstawiana jest spacja, a w innych nie. Liczby ujemne pojawiają się z początkowym minusem w niektórych lokalizacjach, nawiasami w innych i końcowym minusem w kilku. Każda konwencja jest głęboko osadzona w praktyce regionalnej i musi zostać odpowiednio odwzorowana, aby docelowi odbiorcy mogli zaufać dokumentowi.
Wypróbuj Tłumacz PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.
Wyodrębnianie tylko komórek numerycznych z tabeli PDF
Krok pierwszy to przekształcenie tabeli w format adresowalny do komórek. Eksport do programu Excel lub CSV zachowuje strukturę siatki i pozwala wbudowanemu w programie Excel wykrywaniu formatu automatycznie identyfikować komórki numeryczne. Kreator zamiany tekstu na kolumny i rozpoznawanie formatu liczb obsługują proste przypadki bez konieczności ręcznej interwencji. W przypadku tabel, które eksportują się w czysty sposób, cała konwersja zajmuje mniej niż minutę.
Tabele, które nie eksportują w sposób czysty, scalone komórki, złożone obramowania, mieszana zawartość tekstowa i liczbowa w pojedynczych komórkach, wymagają podejścia programowego. Biblioteki Pythona, takie jak Camelot-py i Tabula-py, wyodrębniają tabele jako ramki danych z wbudowanym wykrywaniem kolumn numerycznych. Ścieżka programowa obsługuje również przypadki skrajne, takie jak komórki zawierające zarówno wartość, jak i skrót jednostki, gdzie należy przeformatować tylko część liczbową. Napisanie kilku linijek w Pythonie, które stosują konwersję formatu tylko do zidentyfikowanych kolumn liczbowych, eliminuje ręczne naprawianie dziesiątek komórek, które uległy uszkodzeniu podczas ogólnego eksportu.
Programowa konwersja formatów liczb
Izolowane komórki numeryczne podlegają przewidywalnym regułom konwersji. Przecinki dziesiętne stają się kropkami. Tysiące kropek zamienia się w przecinki lub zostaje całkowicie usuniętych. Najtrudniejszą częścią jest określenie roli, jaką pełni każdy separator w źródle. Samotny przecinek w liczbie 1234 może oznaczać tysiące (co daje 1234) lub dziesiętne (daje 1,234). Kontekst kolumny rozwiązuje tę dwuznaczność: jeśli co druga liczba w kolumnie ma ten sam wzór, a wielkości mają sens tylko w przypadku jednej interpretacji, interpretacja ta ma zastosowanie do całej kolumny. Spójność w kolumnie jest silniejszym sygnałem niż format dowolnej pojedynczej komórki.
Konwersja dat wymaga znajomości formatu źródłowego i docelowego. Zamień pierwsze dwa komponenty dla kierunku DD/MM na MM/DD. Jeśli format źródłowy jest niepewny, należy wyszukać wartości przekraczające 12 w pozycji dnia lub miesiąca. Datą taką jak 15.03.2025 może być tylko DD/MM/RRRR, ponieważ miesiąc kończy się o 12. Zakotwicz te jednoznaczne daty, aby wywnioskować format, zastosuj go do niejednoznacznych i oznacz każdą przeliczoną datę, której dzień przekracza 12, w formacie docelowym do ręcznego sprawdzenia. Flagi wychwytują przypadki brzegowe, które pomija logika automatycznej konwersji.
| Element | Format źródłowy (UE) | Format docelowy (USA) | Reguła konwersji |
|---|---|---|---|
| Liczba dziesiętna | 1.234,56 | 1234,56 | Zamieniać . i , role |
| Data | 31.12.2025 | 31.12.2025 | Zamień pierwsze dwa komponenty |
| Waluta | 123,45 € | 148,14 dolarów | Konwertuj + sformatuj według kursu wymiany |
| Procent | 12,5% | 12,5% | Zamień przecinek dziesiętny na kropkę |
Ponowna integracja przekonwertowanych liczb w formacie PDF
Dwie ścieżki prowadzą z powrotem do gotowego pliku PDF. Utworzenie nowego pliku PDF z przekonwertowanego arkusza kalkulacyjnego z formatowaniem pasującym do oryginału sprawdza się dobrze w przypadku prostych tabel. Nowoczesne narzędzia do eksportu arkusza kalkulacyjnego do pliku PDF zachowują większość formatowania, a dzięki szablonowi skonfigurowanemu tak, aby odzwierciedlał oryginalny układ, dane wyjściowe są prawie nie do odróżnienia, z wyjątkiem przekonwertowanych wartości. Zamiast tego tabele o złożonym formatowaniu wymagają podejścia nakładki.
Nakładanie działa w przypadku złożonych układów, w których reeksport traci wierność. Przekonwertuj tylko komórki numeryczne na przezroczystą warstwę tekstową, nałóż ją na oryginalny plik PDF dokładnie w miejscach oryginalnych numerów i najpierw przykryj oryginały białymi polami redakcyjnymi. Zachowuje to pełny układ wizualny podczas wyświetlania poprawionych formatów liczbowych. Precyzyjne pozycjonowanie jest uciążliwe w przypadku dużych tabel, dlatego należy zarezerwować tę technikę dla krótkich dokumentów, w których wierność układu jest najważniejsza, takich jak certyfikowane oświadczenia dla organów regulacyjnych, które będą porównywać dokument piksel po pikselu z wytycznymi dotyczącymi składania.
Sprawdzanie jakości przekonwertowanego wyjścia
Błędy numeryczne są widoczne na pierwszy rzut oka. Saldo 123 456,78 błędnie przeliczone na 123 456,78 zmienia wartość o dwa rzędy wielkości, ale na pierwszy rzut oka można je odczytać jako rozsądną liczbę. Zweryfikuj próbki z oryginałami, porównując sumy, porównując sumy w wierszach i sprawdzając, czy przekonwertowane daty mieszczą się w oczekiwanych zakresach. Jedna szybka kontrola poprawności: czy przeliczona suma jest w przybliżeniu zgodna z oryginałem po zastosowaniu odpowiedniego współczynnika? Niedopasowanie wskazuje na błąd logiki konwersji, a nie różnicę zaokrągleń.
Dokumenty krytyczne wymagają drugiej pary oczu. Poproś inną osobę, aby niezależnie przekonwertowała losową próbkę i porównała wyniki. Koszt błędu numerycznego w zeznaniu finansowym lub umowie prawnej przewyższa koszt etapu weryfikacji. W przypadku konwersji cyklicznych przechowuj zestaw testów znanych wartości ze znanymi prawidłowymi wynikami i uruchamiaj go dla każdej nowej konwersji. Zestaw testów natychmiast wychwytuje regresje i buduje pewność, że logika konwersji obsługuje wszystkie udokumentowane przypadki brzegowe.
Wypróbuj Tłumacz PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.