📄 PDFtranslate

高质量 PDF 修复与浏览器翻译解决方案

PDFtranslate 是一个纯前端、零依赖的 PDF 处理工具。它通过高保真的 HTML 还原技术，将复杂的 PDF 页面转换为可被浏览器翻译插件（如 Google Translate）完美识别的 HTML 结构，解决传统 PDF 翻译软件格式错乱、安装繁琐的问题。

🌟 核心特性

1. 高保真文本重构算法

• 智能行分组 (Y-Axis Grouping)：基于字体大小与 Y 坐标的动态聚类算法，精准还原物理行结构。
• 三重角标检测：通过字体缩放比、X 轴邻近度、Y 轴偏移量三维度识别，自动生成 <sup> 和 <sub> 标签。
• 非破坏性合并：利用 零宽字符占位符 (Zero-Width Characters) 技术标记特殊格式，确保在不破坏 PDF 原始布局的前提下实现文本合并。
• X 轴 Gap 截断：自适应处理文本间距，防止类表格布局中的数据列错误合并。

2. 双图层混合渲染架构

• Canvas 图像层：基于 Proxy API 拦截绘制指令，仅渲染背景与非文字图形，消除文字重影。
• TextLayer 文本层：高精度透明文本覆盖，支持翻译插件抓取、自由选择与复制。

3. 参数化自适应系统

• 支持实时调节上/下角标比例阈值、X 轴合并倍数，适配不同排版风格的学术论文或商业报告。

🚀 快速上手

基本流程

1. 加载文件：点击 📂 上传 PDF 按钮。
2. 渲染等待：监控页面上方的进度状态，待显示 ✅ 修复完成。
3. 开启翻译：

• Chrome / Edge：右键点击页面 → 选择 “翻译为中文”。

4. 保存成果：

• 点击 💾 导出 HTML：获取一个包含所有图片和翻译后文字的单文件网页。
• 点击 🖨️ 打印为 PDF：使用系统打印对话框（Ctrl+P），目标选择“另存为 PDF”。

翻译效果展示

以下图片展示了使用本工具翻译PDF文件的效果：

翻译前的PDF文件

翻译后的PDF文件

⚙️ 技术实现

算法流程图

graph TD
    A[PDF 解析] --> B[原始文本提取]
    B --> C[Y 方向智能行分组]
    C --> D[行内文本重构]
    D --> E{角标识别算法}
    E -->|上标| F[插入 \u200B 占位符]
    E -->|下标| G[插入 \u200C 占位符]
    E -->|常规| H[文本块合并]
    F & G & H --> I[Canvas 背景渲染]
    I --> J[TextLayer 叠加]
    J --> K[输出翻译友好型 HTML]

Loading

核心技术栈

• 渲染引擎：PDF.js (Mozilla 开源)
• 逻辑控制：原生 JavaScript (ES6+)
• 拦截模式：JS Proxy API (实现透明文本过滤)

⚠️ 局限性与解决方案

限制问题	原因分析	推荐方案
数学公式	PDF.js 对复杂符号映射不全	建议在 HTML 导出后手动微调，或配合 MathJax
翻译膨胀	翻译后文字变多，绝对定位导致重叠	调整侧边栏的“X轴阈值”，或手动修改元素的 scaleX
Firefox 兼容	翻译插件触发非法原型调用错误	优先使用基于 Chromium 内核的浏览器 (Chrome/Edge/Brave)

❤️ 支持与贡献

如果您觉得这个项目对您的文献阅读有所帮助，欢迎：

• Star 我们的 GitHub 仓库：021gink/PDFtranslate
• 提交 Issue：反馈使用中遇到的复杂排版案例
• 捐赠支持：点击工具栏的“捐赠作者”扫码支持