翻译 PDF 表格通常意味着将所有文本从一种语言转换为另一种语言。但有些情况需要采取更为外科手术的方法：将正文保留其原始语言，同时仅将数字从一种格式翻译为另一种格式，或者将日期格式从 DD/MM/YYYY 转换为 MM/DD/YYYY，或者将小数分隔符从欧洲逗号更改为英语句点。这不是传统意义上的语言翻译。它是数字格式本地化，需要与全文翻译不同的工具。
数字本地化与语言无关，而与格式约定有关。
用于数字和日期的翻译 PDF 方法适用于数据提取级别，而不是文本替换级别。提取数值，以编程方式转换它们，然后将转换后的值覆盖在原始 PDF 上或生成表格的新版本。 WukongPDF 的PDF 转换器 可靠地处理提取步骤，基于电子表格的格式转换处理其余部分。仅将数字单元格与周围文本隔离是关键的第一步，它决定了该过程的其余部分是否有效。
地区之间常见的数字和日期格式差异
小数和千位分隔符是最大的混乱来源。数字 1025 美分在美国和英国写为 1,000.25，但在欧洲大陆和南美洲的大部分地区写为 1.000,25。面向美国受众的源自德国的表格需要将每个小数点逗号交换为一个句点，并将每千个句点交换为逗号，而无需触及周围文本的任何单词。一揽子查找和替换会损坏数字和文本，造成比原始格式不匹配更糟糕的混乱。
日期字符串增加了歧义的另一个维度。字符串 03/04/2025 在美国表示 3 月 4 日，但在英国和欧洲大部分地区表示 4 月 3 日。在不知道源格式的情况下进行转换可能会导致每个日期发生数周或数月的变化。货币符号也具有位置规则：在爱尔兰，欧元符号位于金额之前，但在法国，欧元符号位于金额之后，并且某些地区在符号和数字之间插入空格，而其他地区则没有。负数在某些区域设置中以前导减号出现，在其他区域设置中以括号形式出现，在少数区域设置中以尾随减号出现。每项公约都深深植根于区域实践，必须正确映射才能使目标受众信任该文件。
仅从 PDF 表中提取数字单元
将表格转换为单元格可寻址格式是第一步。导出到 Excel 或 CSV 会保留网格结构，并让 Excel 的内置格式检测自动识别数字单元格。文本到列向导和数字格式识别可以处理简单的情况，无需任何手动干预。对于干净导出的表，整个转换需要不到一分钟的时间。
对于无法清晰导出的表格、合并的单元格、复杂的边框、单个单元格中混合的文本和数字内容，需要采用编程方法。 Camelot-py 和 tabula-py 等 Python 库将表提取为具有内置数字列检测的 DataFrame。编程路径还处理边缘情况，例如同时包含值和单位缩写的单元格，其中仅应重新格式化数字部分。编写几行 Python 代码，仅将格式转换应用于识别的数字列，胜过手动修复一揽子导出损坏的数十个单元格。
以编程方式转换数字格式
孤立的数字单元格遵循可预测的转换规则。小数点逗号变成句点。数千个句点变成逗号或被完全删除。困难的部分是确定每个分隔符在源中扮演的角色。 1,234 中的一个逗号可以是千（产生 1234）或小数（产生 1.234）。列上下文解决了歧义：如果列中的所有其他数字都遵循相同的模式，并且大小仅在一种解释下有意义，则该解释适用于整个列。列内的一致性比任何单个单元格的格式都具有更强的信号。
日期转换需要已知源格式和目标格式。将 DD/MM 方向的前两个分量交换为 MM/DD 方向。当源格式不确定时，在日或月位置寻找超过 12 的值。像 15/03/2025 这样的日期只能是 DD/MM/YYYY，因为月份的最高值为 12。锚定这些明确的日期来推断格式，将其应用于不明确的日期，并以目标格式标记日期超过 12 的任何转换后的日期以供手动审核。这些标志捕获自动转换逻辑错过的边缘情况。
| 元素 | 源格式（欧盟） | 目标格式（美国） | 转换规则 |
|---|---|---|---|
| 十进制数 | 1.234,56 | 1,234.56 | 交换 。和 , 角色 |
| 日期 | 2025年12月31日 | 2025 年 12 月 31 日 | 交换前两个组件 |
| 货币 | 123.45 欧元 | 148.14 美元 | 转换 + 根据汇率重新格式化 |
| 百分比 | 12.5% | 12.5% | 将小数点逗号替换为点 |
将转换后的数字重新整合到 PDF
有两条路径可以返回最终的 PDF。从转换后的电子表格生成一个新的 PDF，其格式与原始表格相匹配，对于简单的表格来说效果很好。现代电子表格到 PDF 导出工具保留了大多数格式，并且通过设置模板来反映原始布局，除了转换后的值之外，输出几乎无法区分。具有复杂格式的表格需要使用覆盖方法。
叠加适用于重新导出会失去保真度的复杂布局。仅将数字单元格转换为透明文本图层，将其叠加在原始 PDF 上原始数字的确切位置，并首先用白色密文框覆盖原始文件。这保留了完整的视觉布局，同时显示更正的数字格式。对于大型表格而言，精确定位是乏味的，因此将此技术保留用于布局保真度至关重要的短文档，例如监管机构的认证声明，他们将逐个像素与提交指南进行比较。
质量检查转换输出
数字错误隐藏在显而易见的地方。余额 123.456,78 错误地转换为 123,456.78，该值改变了两个数量级，但乍一看是一个合理的数字。通过交叉检查总数、比较行总和并验证转换后的日期是否在预期范围内，对照原始样本验证样本。一项快速的完整性检查：应用相关系数后，转换后的总数是否与原始值大致匹配？不匹配表示转换逻辑错误，而不是舍入差异。
重要文件需要第二双眼睛。让另一个人独立转换随机样本并比较结果。财务备案或法律协议中数字错误的成本使验证步骤的成本相形见绌。对于重复转换，请保留具有已知正确输出的已知值测试套件，并针对每个新转换运行它。测试套件立即捕获回归并建立转换逻辑处理所有记录的边缘情况的信心。