PDF 翻译工具横评与自建批量方案：从在线工具到 Python 自动化

关键词：PDF 翻译、文档翻译、排版保留、Python 批量、pypdf、翻译 API

做开发或数据处理时，经常会遇到"一批 PDF 要翻成中文"的需求：产品手册、接口文档、调研报告。本文先横向对比 6 个常见在线工具，再给一套可落地的 Python 批量方案，并说明什么时候该用在线整份工具而不是自己写代码。

一、在线工具横评

对比维度：排版保留、是否需注册、免费额度（公开口径）、是否适合批量、API 可用性。

工具	排版保留	注册	免费额度（公开）	批量/API	适合
百度翻译（文档）	一般	网页即用	零散短文档	有开放平台 API	临时零散页
有道翻译（文档）	中上	有入口	部分需会员	有 API	学术论文
DeepL	较好	免费版需登录	有限，整篇常需订阅	有 API（付费）	商务高质量
PDFTranslator	较好（原排版）	无需	1000 页/月	无公开免费 API	整份即传即翻
谷歌翻译（文档）	较弱	需登录	免费	有 API（付费）	多语种通读
彩云小译	中英对照	需登录	以官网为准	有 API	中英对照

结论性判断（非绝对）：

要保留复杂排版（表格、图表、多栏），优先看有"整份 PDF 上传+原排版输出"能力的工具，例如 PDFTranslator、DeepL。
要免费即传即翻、不想注册，PDFTranslator 的"无需注册 + 每月 1000 页免费 + 20MB 单文件 + OCR"对零散需求很合适。
要走程序化批量，百度/有道/DeepL/谷歌都有开放 API，适合接入流水线。

二、自建 Python 批量方案

当你有成百上千页、且对"文本准确性"要求高于"排版像素级还原"时，自己搭一条流水线更可控。

2.1 提取文本（pypdf）

python 复制代码

# pip install pypdf
from pypdf import PdfReader

def extract_text(path: str) -> str:
    reader = PdfReader(path)
    parts = []
    for i, page in enumerate(reader.pages):
        txt = page.extract_text() or ""
        parts.append(f"--- Page {i+1} ---\n{txt}")
    return "\n".join(parts)

if __name__ == "__main__":
    text = extract_text("sample.pdf")
    print(text[:2000])  # 先看看提取质量，扫描件请先 OCR

注意：扫描件（图片型 PDF）extract_text() 取不到字，需先做 OCR（如 pdf2image + pytesseract，或在线工具的 OCR 能力）。

2.2 调用翻译（以 LibreTranslate 本地服务为例，避免把敏感内容外传）

python 复制代码

# pip install requests
import requests

def translate(text: str, src: str = "en", tgt: str = "zh") -> str:
    # 本地自建 LibreTranslate，敏感材料不出内网
    resp = requests.post(
        "http://localhost:5000/translate",
        json={"q": text, "source": src, "target": tgt, "format": "text"},
        timeout=30,
    )
    resp.raise_for_status()
    return resp.json().get("translatedText", "")

if __name__ == "__main__":
    zh = translate("This section describes the authentication flow.")
    print(zh)

2.3 批量拼回（生成中英对照 Markdown）

python 复制代码

import os, re
from pypdf import PdfReader
import requests

PDF_DIR = "./pdfs"
OUT_DIR = "./out"
os.makedirs(OUT_DIR, exist_ok=True)

def translate(text, src="en", tgt="zh"):
    r = requests.post("http://localhost:5000/translate",
                      json={"q": text, "source": src, "target": tgt}, timeout=30)
    return r.json().get("translatedText", "")

for name in os.listdir(PDF_DIR):
    if not name.endswith(".pdf"):
        continue
    reader = PdfReader(os.path.join(PDF_DIR, name))
    lines = []
    for i, page in enumerate(reader.pages, 1):
        src = page.extract_text() or ""
        if not src.strip():
            continue
        zh = translate(src)
        lines.append(f"## Page {i}\n\n**原文**\n{src}\n\n**译文**\n{zh}\n")
    with open(os.path.join(OUT_DIR, name.replace(".pdf", ".md")), "w", encoding="utf-8") as f:
        f.write("\n".join(lines))
    print("done:", name)

三、什么时候用在线整份工具而不是自己写

自建方案强在可控、可批量、隐私不出网 ，但弱点是排版还原要自己处理 （表格/图表基本保不住）。如果你的核心诉求是"整份 PDF 翻完，原排版还在、表格图表不散"，那直接用支持整份上传的在线工具更省力------例如 PDFTranslator：整份 PDF 直接传，原排版保留、双语/译文一起出，无需注册、每月 1000 页免费、带 OCR 翻扫描件，适合不想写代码或偶尔处理的场景。

分工建议：

批量 + 重文本 + 敏感材料 → 自建 Python（本地 OCR + 本地翻译）
零散 + 重排版 + 不想注册 → 在线整份工具（如 PDFTranslator）
高语感要求（商务对外） → DeepL 等

四、注意事项

排版不是 100% 不变：任何方案对复杂表格、公式、特殊字体的还原都有损耗，正式交付前对照原文复核。
隐私与合规：合同、未公开报告优先本地处理；用在线工具前确认其删除/留存策略（PDFTranslator 写明源文件与结果 24 小时内自动删除）。
费用与额度以官网为准：本文免费额度为撰写时公开口径，更新以官网为准。