Перевод таблицы PDF представляет собой уникальную задачу, которую не решает обычный перевод документов. Таблицы смешивают два принципиально разных типа данных: текст, который требует перевода, и числа, которые должны оставаться такими, какие они есть. Прайс-лист в евро требует перевода описаний продуктов с французского на английский, но цены, количества и коды SKU должны быть абсолютно неизменными. Финансовый отчет нуждается в переводе комментариев, в то время как цифры доходов и процентные значения остаются заблокированными. Стандартные инструменты Translate PDF часто обрабатывают весь контент одинаково, что может привести к изменению чисел из-за изменений форматирования, преобразования десятичных разделителей или случайной замены символов.
Проблема не в том, что средства перевода не могут отличить текст от цифр. Большинство современных систем перевода распознают числовые шаблоны и оставляют их неизмененными по отдельности. Проблемы возникают, когда числа встроены в строки со смешанным содержанием, когда процесс извлечения PDF неправильно определяет границы ячеек и когда повторная вставка переведенного текста нарушает макет таблицы. Методический подход, который разделяет текстовое и числовое содержимое перед переводом, дает неизменно точные результаты.
PDF Export и инструменты перевода WukongPDF сохраняют структуру таблицы во время языкового преобразования. Для документов с большим количеством таблиц предварительная обработка таблиц для изоляции числовых ячеек перед запуском механизма перевода дает наиболее точный результат с наименьшим количеством корректировок после перевода.
Почему инструменты перевода иногда изменяют числа
Механизмы перевода обрабатывают текстовые строки как лингвистические единицы. Когда ячейка таблицы содержит 1500 единиц, механизм воспринимает это как смешанную строку и должен решить, является ли 1500 числом, которое следует оставить отдельно, или частью фразы, которую нужно перевести. Большинство механизмов, обученных на моделях 2024 и более поздних версий, правильно обрабатывают это для распространенных числовых форматов. Крайние случаи, которые по-прежнему вызывают проблемы, включают десятичные разделители, где европейское обозначение 1.500,00 может быть без необходимости преобразовано в 1500,00 США, а также символы валют, где движок может перемещать или дублировать символ в соответствии с соглашениями целевого языка.
Форматы даты — еще одна частая жертва. Дата, записанная как 07.03.2025 в исходном документе на английском языке в США, означает 7 марта 2025 года. Если механизм перевода также локализует форматирование даты для англоязычной аудитории в Великобритании, он может преобразовать отображение в 03.07.2025, что полностью меняет смысл. Самый безопасный подход — рассматривать даты как защищенный контент наряду с числами, переводя только окружающий текст.
Метод 1: Предварительная обработка таблицы в Excel
Наиболее контролируемым рабочим процессом является извлечение таблицы PDF в Excel перед переводом. Преобразуйте PDF в Excel с помощью инструмента, сохраняющего структуру таблицы. В полученной электронной таблице отсканируйте столбцы и определите, какие из них содержат переводимый текст, а какие — числовые данные. Вставьте новый лист для переведенного контента. Скопируйте только текстовые столбцы в удобный для перевода формат: либо вставьте их напрямую в инструмент перевода, либо экспортируйте в отдельный файл.
После перевода текстовых столбцов вставьте переведенный текст обратно в электронную таблицу в соответствующие позиции, оставив числовые столбцы полностью нетронутыми. Проверьте объединенную таблицу на наличие проблем с выравниванием ячеек, а затем экспортируйте заполненную таблицу в PDF. Этот метод гарантирует отсутствие числовых изменений, поскольку числа никогда не проходят через механизм перевода. Компромисс заключается в том, что требуется ручной рабочий процесс по столбцам, который практичен для таблиц с 10–50 строками, но становится трудоемким для документов с сотнями строк.
Метод 2: использование метода маскировки контента на основе регулярных выражений
Некоторые профессиональные инструменты перевода и платформы CAT (компьютерный перевод) поддерживают шаблоны регулярных выражений, которые помечают определенный текст как непереводимый. Прежде чем запускать перевод, определите шаблоны регулярных выражений, соответствующие вашим числовым форматам: цифры с запятыми, цифры с десятичными точками, числа с префиксом валюты, процентные значения и шаблоны дат. Примените эти шаблоны в качестве правил защищенного контента. Затем механизм перевода пропускает любой текстовый сегмент, соответствующий защищенному шаблону, переводя только оставшийся текст.
Этот метод хорошо работает для документов, в которых большая часть числовых данных имеет предсказуемый формат. Например, каталог продуктов с единообразным форматированием цен для всех записей можно защитить с помощью такого шаблона, как \$\d{1,3}(,\d{3})*\.\d{2} для сумм в долларах. Для документов с разными числовыми форматами в разных разделах подход с использованием регулярных выражений требует большего количества шаблонов и большего тестирования. После перевода проверьте не менее 10 числовых значений в разных частях документа, чтобы убедиться в отсутствии смещения форматирования.
Метод 3: Рабочий процесс копирования-перевода-вставки
Для одной таблицы в PDF-файле самый простой подход — скопировать текстовые ячейки по одному столбцу, пропустить их через инструмент перевода и вставить результаты обратно в дубликат исходной таблицы. Используйте PDF-редактор, который позволяет выделять и копировать текст из отдельных ячеек таблицы. Вставьте текст каждого столбца в текстовое поле перевода, скопируйте переведенный результат и вставьте его в соответствующий столбец перестроенной таблицы в Word, Google Docs или редакторе PDF, поддерживающем редактирование таблиц.
Этот метод утомителен для больших таблиц, но дает вам контроль на уровне пикселей над тем, что будет переведено, а что останется оригинальным. На этапе вставки возникают проблемы с макетом. Переведенный текст часто длиннее исходного текста, иногда на 20–30 процентов для таких языков, как немецкий или испанский. Прежде чем завершить работу над таблицей, отрегулируйте ширину столбцов, чтобы вместить более длинный переведенный текст, не нарушая при этом сетку таблицы. Если переведенное содержимое не умещается в исходные размеры ячейки, рассмотрите возможность уменьшения размера шрифта на 0,5–1 пункт, а не допускайте переполнения или обрезания текста.
Обработка ячеек со смешанным содержимым
В некоторых ячейках таблицы текст и цифры действительно смешиваются в одной строке: заказ 15 единиц запасной детали BP-4402 является примером того, как число 15 и код детали BP-4402 должны пережить перевод без изменений, в то время как текст вокруг них преобразуется на целевой язык. Для этих ячеек перед переводом оберните числовые сегменты и идентификаторы в маркеры-заполнители. Замените 15 на NUM1 и BP-4402 на CODE1. Запустите перевод. Затем замените заполнители исходными значениями в переведенном выводе.
Этот метод заполнителей работает надежно, поскольку механизмы перевода рассматривают заполнители как непереводимые токены и сохраняют их дословно. После перевода простая операция поиска и замены возвращает заполнителям исходные значения. Для таблиц с большим количеством ячеек со смешанным содержимым автоматизируйте вставку и замену заполнителей с помощью короткого сценария, а не делайте это вручную.
| Подход | Как это работает | Ограничения |
|---|---|---|
| Полный перевод | Переведите все, а затем вручную исправьте цифры | Длительный этап коррекции |
| Выборочное копирование-перевод | Копировать только текстовые ячейки, переводить снаружи, вставлять обратно | Хрупкое сохранение макета |
| Защита шаблона регулярных выражений | Отметить числовые шаблоны как защищенный текст в инструменте перевода | Требуется инструмент, поддерживающий регулярные выражения или защищенные диапазоны. |
| Двухслойный PDF-подход | Извлекать числа по отдельности, переводить текст, объединять | Сложный рабочий процесс, лучше всего подходит для ценных документов |
Перевод только текста в ячейках таблицы PDF, сохраняя при этом цифры нетронутыми, — это точная задача. Метод предварительной обработки Excel является наиболее надежным для сложных таблиц. Защита на основе регулярных выражений работает для документов с предсказуемыми числовыми форматами. Ручной подход «копировать-перевести-вставить» удовлетворяет быстрые и разовые потребности. Какой бы метод вы ни выбрали, пятиминутная проверка, сравнивающая выборку числовых значений до и после перевода, выявляет любые проблемы до того, как документ достигнет своей аудитории.
Контрольный список проверки качества после перевода
После перевода текста в таблице PDF проведите систематическую проверку качества, прежде чем публиковать документ. Сначала сравните общее количество строк в исходной и переведенной таблицах. Если счетчики различаются, строка была удалена или продублирована на этапе извлечения или вставки. Во-вторых, выборочно проверьте пять числовых значений в разных столбцах по сравнению с исходным документом. Убедитесь, что десятичные точки, запятые, символы валюты и отрицательные знаки не изменились. В-третьих, убедитесь, что выравнивание столбцов одинаково во всех строках. Один столбец со смещением смещает все данные в этом столбце относительно заголовков.
Если переведенные таблицы предназначены для профессионального или юридического использования, попросите носителя целевого языка просмотреть образец переведенных ячеек. Машинный перевод содержимого таблицы иногда дает технически правильный, но несоответствующий контексту перевод отраслевых терминов. Пятиминутная проверка человеком выявляет терминологические проблемы, которые не учитываются автоматическими проверками качества. Рабочие процессы Translate PDF, включающие этап проверки человеком, обеспечивают неизменно надежные результаты для критически важных для бизнеса документов.
Дополнительное время, потраченное на изоляцию числового контента перед переводом, окупается точностью. Переведенный прайс-лист, в котором все цифры верны, но название продукта немного неудобно, является документом, который можно использовать. Переведенный прайс-лист с точными названиями продуктов, но со смещенными десятичными точками — это помеха. Уделяйте приоритетное внимание точности чисел и проверяйте их выборочными проверками.
Автоматизация числовой защиты в повторяющихся рабочих процессах перевода
Для организаций, которые регулярно переводят аналогичные табличные документы, создание сценария предварительной обработки, который автоматически идентифицирует и защищает числовые ячейки, исключает этап ручной проверки из рабочего процесса. Сценарий Python, использующий регулярные выражения, может сканировать CSV-файл, извлеченный из PDF-файла, помечать столбцы, которые содержат более 80 процентов числовых значений, как защищенные, и выводить размеченный файл, где инструмент перевода может видеть, какой контент следует пропустить. Сценарий выполняется менее чем за секунду для таблиц с тысячами строк, а его согласованность исключает риск того, что рецензент случайно пропустит число, которое должно было быть защищено от механизма перевода. После реализации рабочего процесса числовой защиты запускайте сравнение исходных и переведенных PDF-таблиц раз в квартал, чтобы убедиться, что правила защиты по-прежнему улавливают каждый числовой шаблон в развивающемся наборе документов.