By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement . We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

对于pdf来说，翻译的时候需要转换成epub，这个过程中有个很常见的问题是段落划分错误，导致文本可读性降低。
如果逐行翻译的话，那么将会降低到难以忍受的程度，如果合并翻译的话，那么容易导致合并翻译行数不一致。
建议为pdf增加一个「段落重排」的预处理。
灵感来自WPS文字中的「段落重排」，现在翻译pdf会先转换成word，然后调用「段落重排」，「段落重排」在wps中的运行速度非常快，能够以低成本明显改善文件质量。

对于行的合并来说，可以使用LLM对于这些行进行预处理。
对于没有以标点符号结尾的行，把前文和后文摘录出来问LLM是一个句子可能性有多大，超过阈值判定为一个句子。
如果是的话那么就合并，如果不是就不合并。
通用的模型加提示工程估计就可以起到比较好的效果。

对于行的合并来说，可以使用LLM对于这些行进行预处理。 对于没有以标点符号结尾的行，把前文和后文摘录出来问LLM是一个句子可能性有多大，超过阈值判定为一个句子。 如果是的话那么就合并，如果不是就不合并。 通用的模型加提示工程估计就可以起到比较好的效果。

有哪款免费的程序或者软件可以实现么？WPS的这个功能要付费会员才能用

对于行的合并来说，可以使用LLM对于这些行进行预处理。 对于没有以标点符号结尾的行，把前文和后文摘录出来问LLM是一个句子可能性有多大，超过阈值判定为一个句子。 如果是的话那么就合并，如果不是就不合并。 通用的模型加提示工程估计就可以起到比较好的效果。

这个需要自己编程才能实现吧？有类似的代码的例子吗？

对于pdf来说，翻译的时候需要转换成epub，这个过程中有个很常见的问题是段落划分错误，导致文本可读性降低。 如果逐行翻译的话，那么将会降低到难以忍受的程度，如果合并翻译的话，那么容易导致合并翻译行数不一致。 建议为pdf增加一个「段落重排」的预处理。 灵感来自WPS文字中的「段落重排」，现在翻译pdf会先转换成word，然后调用「段落重排」，「段落重排」在wps中的运行速度非常快，能够以低成本明显改善文件质量。

确实，一本pdf的书，直接尝试进行翻译有4300个翻译条目，转为word只有1900个。每个段落是真正的段落而不是一两行，这样翻译出来的意思更好，发送的request更少（有些api有每分钟request限制，例如claude）。

也就是说，我们自己用wps打开pdf，对其使用wps的"段落重排"，再另存为word，然后再使用插件进行翻译不就行了？

不需要让插件再去实现wps里的功能了吧

如果能集成这个功能，而不是需要用word先转换了再进行翻译可以方便很多。

请问哪个工具可以解决pdf转word后，段落中的换行问题？

pdf转word用的不多，我记得可以直接用word打开pdf，大部分换行转化的还是比较良好。剩下一些，用正则或者通配符，进行替换下基本就够用。当然不是非常严格，自己阅读用的 话，是够用的了。

用word打开pdf，编辑多余的元素之后保存为docx，然后再calibre中将docx转换成epub，应该是目前比较好的解决方案

还有一种方法是使用abbyy reader将pdf转换为epub，不过感觉效果没有word好
但是如果是扫描版的pdf，这种方法不失为一种选择

Solid PDF converter is very powerful to convert PDF to Word docx
https://www.soliddocuments.com/pdf/new_in_v8/314/1

https://www.soliddocuments.com/products.htm?product=SolidPDFtoWord
https://apryse.com/brands/soliddocuments

https://www.pixelplanet.com/pdfgrabber/features/pdf-to-word/
convert PDF to Word , HTML5