Перевод таблицы PDF обычно означает преобразование всего текста с одного языка на другой. Но некоторые сценарии требуют более хирургического подхода: сохранение основного текста на исходном языке при переводе только чисел из одного формата в другой, или преобразование формата даты из ДД/ММ/ГГГГ в ММ/ДД/ГГГГ, или изменение десятичных разделителей с европейских запятых на английские точки. Это не языковой перевод в общепринятом понимании. Это локализация числового формата, и она требует других инструментов, чем полнотекстовый перевод.
Числовая локализация связана не столько с языком, сколько с соглашениями о формате.
Подход Translate PDF для чисел и дат работает на уровне извлечения данных, а не на уровне замены текста. Extract the numeric values, convert them programmatically, and either overlay the converted values on the original PDF or produce a new version of the table. PDF Converter WukongPDF надежно обрабатывает этап извлечения, а преобразование формата на основе электронных таблиц выполняет все остальное. Изоляция только числовых ячеек от окружающего текста — это важный первый шаг, который определяет, будет ли работать остальная часть процесса.
Общие различия в числовом формате и формате даты между регионами
Десятичные разделители и разделители тысяч являются самым большим источником путаницы. Число одна тысяча двадцать пять центов записывается как 1000,25 в США и Великобритании, но как 1000,25 в большинстве стран континентальной Европы и Южной Америки. В таблице немецкого происхождения, предназначенной для американской аудитории, необходимо заменить каждую десятичную запятую на точку и каждую тысячную точку на запятую, не затрагивая ни единого слова окружающего текста. Полный поиск и замена повреждает как числа, так и текст, создавая беспорядок, больший, чем исходное несоответствие форматирования.
Строки дат добавляют еще одно измерение двусмысленности. Строка 04.03.2025 означает 4 марта в США, но 3 апреля в Великобритании и большей части Европы. Преобразование без знания исходного формата рискует сдвинуть каждую дату на недели или месяцы. Символы валют также имеют позиционные правила: символ евро предшествует сумме в Ирландии, но следует за ним во Франции, а в некоторых регионах между символом и цифрой вставляется пробел, а в других — нет. Отрицательные числа отображаются с минусом в начале в некоторых регионах, с круглыми скобками в других и с минусом в конце в некоторых. Каждая конвенция глубоко укоренена в региональной практике и должна быть правильно отображена, чтобы целевая аудитория доверяла документу.
Извлечение только числовых ячеек из таблицы PDF
Преобразование таблицы в формат, адресуемый ячейками, — это первый шаг. Экспорт в Excel или CSV сохраняет структуру сетки и позволяет встроенной функции определения формата Excel автоматически идентифицировать числовые ячейки. Мастер преобразования текста в столбцы и распознавание числового формата справляются с простыми случаями без какого-либо ручного вмешательства. Для таблиц, которые экспортируются без ошибок, все преобразование занимает менее минуты.
Таблицы, которые не экспортируются четко, объединенные ячейки, сложные границы, смешанное текстовое и числовое содержимое в отдельных ячейках, требуют программного подхода. Библиотеки Python, такие какcamelot-py и tabula-py, извлекают таблицы как DataFrames со встроенным распознаванием числовых столбцов. Программный путь также обрабатывает крайние случаи, например, ячейки, содержащие как значение, так и сокращение единицы измерения, где необходимо переформатировать только числовую часть. Написание нескольких строк Python, которые применяют преобразование формата только к определенным числовым столбцам, вместо ручного исправления десятков ячеек, поврежденных при общем экспорте.
Программное преобразование числовых форматов
Изолированные числовые ячейки подчиняются предсказуемым правилам преобразования. Десятичные запятые становятся точками. Тысячи точек превращаются в запятые или полностью удаляются. Сложнее всего определить, какую роль каждый разделитель выполняет в источнике. Одинокая запятая в числе 1234 может обозначать тысячи (что дает 1234) или десятичное число (что дает 1,234). Контекст столбца устраняет двусмысленность: если все остальные числа в столбце следуют одному и тому же шаблону и величины имеют смысл только при одной интерпретации, эта интерпретация применима ко всему столбцу. Согласованность внутри столбца — более сильный сигнал, чем формат любой отдельной ячейки.
Для преобразования даты необходимо знать как исходный, так и целевой форматы. Поменяйте местами первые два компонента с направления DD/MM на MM/DD. Если исходный формат неясен, ищите значения, превышающие 12 в позиции дня или месяца. Такая дата, как 15.03.2025, может быть только ДД/ММ/ГГГГ, поскольку максимальное количество месяцев равно 12. Привязывайте эти однозначные даты, чтобы определить формат, примените его к неоднозначным и пометьте любую преобразованную дату, день которой превышает 12 в целевом формате для проверки вручную. Флаги улавливают крайние случаи, которые пропускает логика автоматического преобразования.
| Элемент | Исходный формат (ЕС) | Целевой формат (США) | Правило преобразования |
|---|---|---|---|
| Десятичное число | 1.234,56 | 1234,56 | Менять . и, роли |
| Дата | 31.12.2025 | 31.12.2025 | Поменяйте местами первые два компонента |
| Валюта | 123,45 € | $148,14 | Конвертировать + переформатировать по обменному курсу |
| Процент | 12,5% | 12,5% | Заменить десятичную запятую точкой |
Реинтеграция преобразованных чисел в PDF
Два пути ведут обратно к готовому PDF-файлу. Создание нового PDF-файла из преобразованной электронной таблицы с форматированием, соответствующим оригиналу, хорошо подходит для простых таблиц. Современные инструменты экспорта электронных таблиц в PDF сохраняют большую часть форматирования, а с помощью шаблона, настроенного для отражения исходного макета, выходные данные практически неотличимы, за исключением преобразованных значений. Вместо этого для таблиц со сложным форматированием требуется подход наложения.
Наложение работает для сложных макетов, где при повторном экспорте теряется точность. Преобразуйте только числовые ячейки в прозрачный текстовый слой, наложите его на исходный PDF-файл в точном положении исходных чисел и сначала закройте оригиналы белыми полями редактирования. Это сохраняет полный визуальный макет при отображении исправленных числовых форматов. Точное позиционирование утомительно для больших таблиц, поэтому оставьте этот метод для коротких документов, где точность макета имеет первостепенное значение, таких как сертифицированные заявления для регулирующих органов, которые будут сравнивать документ попиксельно с их рекомендациями по отправке.
Проверка качества преобразованного вывода
Числовые ошибки скрываются на виду. Баланс 123,456,78, неправильно преобразованный в 123,456,78, меняет значение на два порядка, но на первый взгляд кажется разумным числом. Сверяйте образцы с оригиналами, перепроверяя итоговые значения, сравнивая суммы строк и проверяя, что преобразованные даты попадают в ожидаемые диапазоны. Одна быстрая проверка: соответствует ли преобразованная сумма исходной после применения соответствующего коэффициента? Несоответствие указывает на логическую ошибку преобразования, а не на разницу округлений.
Критически важные документы нуждаются во второй паре глаз. Попросите другого человека самостоятельно преобразовать случайную выборку и сравнить результаты. Стоимость числовой ошибки в финансовой документации или юридическом соглашении затмевает стоимость этапа проверки. Для повторяющихся преобразований сохраните набор тестов известных значений с известными правильными выходными данными и запускайте его для каждого нового преобразования. Набор тестов мгновенно выявляет регрессии и создает уверенность в том, что логика преобразования обрабатывает все задокументированные крайние случаи.