扫描版 PDF 翻译流程：OCR 识别、译文校对和排版保留

在处理外文资料时，经常会遇到一种 PDF：文件后缀是 .pdf，但里面的文字无法复制，也不能直接搜索。这类文件通常是扫描版 PDF，本质上是图片页面，不是带文本层的 PDF。

扫描版 PDF 翻译的关键点不是调用哪个翻译接口，而是先把"图片文字"变成"可处理文本"，再进入翻译和排版流程。

1. 先判断 PDF 类型

可以用一个简单方法判断：

• 能选中文字、能复制：大概率是文字型 PDF。
• 只能选中整页图片，或无法选中文字：大概率是扫描版 PDF。

扫描版 PDF 常见来源：

• 扫描仪生成的合同、报告、说明书
• 手机拍照合成的 PDF
• 老论文、旧手册、纸质资料扫描件
• 带印章、批注、手写标记的文件
• 图片格式转成的 PDF

2. OCR 识别是第一步

OCR 会把图片里的文字识别成可编辑文本。识别质量主要受这些因素影响：

• 原图是否清晰
• 页面是否倾斜
• 背景是否有噪点、水印或阴影
• 字体是否过小
• 表格线是否完整
• 是否存在多栏、脚注、页眉页脚

如果原图很模糊，直接进入翻译通常会放大错误。比较稳的做法是先拿 1-2 页典型页面测试 OCR 结果。

3. 识别后必须检查关键字段

OCR 最容易错的不是普通段落，而是结构化字段：

• 数字、金额、百分比
• 单位、币种
• 产品型号
• 表格里的编号
• 公式、符号、脚注
• 人名、公司名、专有名词

例如英文资料里，I、l、1 很容易混淆；技术资料里的 0 和 O 也需要额外检查。

4. 翻译后还要处理排版

扫描版 PDF 翻译完之后，译文长度会变化。中文、英文、德文、法文之间的长度差异很明显，所以需要检查：

• 文字是否溢出边界
• 表格是否变形
• 图片说明是否错位
• 多栏内容顺序是否正确
• 页眉页脚是否被误改
• 章节标题和编号是否保持一致

如果只是个人阅读，可以降低排版要求。如果文件要交付给客户、老师、供应商，就需要把译文页面重新整理到可读、可打印、可交付的状态。

5. 推荐处理流程

一个比较稳的流程是：

1. 判断 PDF 是否为扫描版。
2. 对页面做 OCR 识别。
3. 检查数字、型号、单位、公式等关键字段。
4. 翻译正文和说明文字。
5. 校对译文，尤其是表格和专业术语。
6. 重新整理页面排版。
7. 导出 PDF 或可编辑文档。

更完整的示例和注意事项可以看这篇：

扫描版 PDF 翻译 OCR 流程

如果处理的是文字型 PDF，重点会变成"翻译后保留原排版"，可以参考：

PDF 翻译保留排版