針對Python 3.5.2 測試

首先安裝兩個包：

$ pip install googletrans

$ pip install pdfminer3k

googletrans會提供一個命令translate，這個命令會調(diào)用google translate api執(zhí)行自動翻譯：

pdfminer3k會提供一個工具腳本pdf2txt.py：

$ pdf2txt.py xxx.pdf

從stackoverflow搜索到可以去除頁眉和頁腳的命令(強烈推薦)：

使用Ubuntu提供的pdftotext工具：

$ pdftotext -y 50 -H 650 -W 1000 -nopgbrk sva.pdf$ pdftotext -f 147 -l 166 -y 50 -H 650 -W 1000 -nopgbrk sva.pdf

谷歌翻譯并不能識別段落或者整句，如果一個整句中出現(xiàn)換行符，會發(fā)現(xiàn)翻譯就不完整了，以網(wǎng)頁版谷歌翻譯測試：

因此需要將pdf轉(zhuǎn)換好的文本文件進行拼接，借用linux args 命令，實現(xiàn)此功能，將整個文件的換行符全部去掉。

但是問題又出現(xiàn)了，整個文件變成一行，我們的段落結(jié)構(gòu)都消失了，那么我們需要手動添加delimiter，設(shè)置為一個特殊字符@。

執(zhí)行如下命令：

cat trans_src.txt |xargs |xargs -0 -d '@' -i{} translate -d zh-cn {} |tee trans_dst.txtcat sva_src_1to2.txt |xargs |xargs -0 -d '&' -i{} translate -d zh-cn {} |xargs -d'/n' -n4 | awk -F'zh-cn' '{print $2}' | awk -F'[][]' '{print $2}' | tee sva_dst_1to2.txt

將翻譯后的文本重定向到一個文件，然后對文件進行簡單的后處理，就可以了。

以上這篇python實現(xiàn)從pdf文件中提取文本,并自動翻譯的方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持武林站長站。