企业官网建设流程全解析

从 3 行 Python 到常驻 HTTP 服务：PDFMathTranslate 批量翻译 API 实战指南

【免费下载链接】PDFMathTranslate[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/MCP/Docker/Zotero项目地址: https://gitcode.com/GitHub_Trending/pd/PDFMathTranslate

需要把几十篇带公式的英文论文一次性翻译成中文、且排版不能散架时，逐份跑 CLI 显然不现实。本文基于 PDFMathTranslate（pip 包名pdf2zh）给出 PDF 批量翻译 API 的两条落地路线：进程内 Python 调用，以及 Flask+Celery 常驻 HTTP 翻译服务，覆盖提交任务、轮询进度、取回结果、取消任务四个动作。

两条路线选型：进程内 Python vs 常驻 HTTP

一句话决策：个人或课题组做批处理，走进程内；多个系统、多人要共用一份翻译能力，走常驻 HTTP。

路线一：3 行代码用 translate() 完成批量 PDF 翻译

先装环境（Python 要求>=3.11,<3.13）：

pip install pdf2zh

最小可运行调用如下：

from pdf2zh import translate params = dict(lang_in="en", lang_out="zh", service="google", thread=4) results = translate(files=["paper1.pdf", "paper2.pdf"], output="./out", **params) # [("paper1-mono.pdf", "paper1-dual.pdf"), ("paper2-mono.pdf", "paper2-dual.pdf")]

几个实操要点：

• 每个输入产出两份 PDF：mono为纯译文版，dual为保留原版排版的译文对照版，公式、表格位置与原稿一致。
• files列表里可以直接放http(s)://链接，库会自动下载；.doc/.docx文件会被先转成 PDF 再翻译。
• 想在进程里上报进度，传callback即可，它接收每页处理完的 tqdm 对象。
• 不想写代码时，CLI 的pdf2zh --dir /path/to/translate/会递归扫描目录批量处理，适合一次性清库存。

如果 PDF 已经在内存里（从对象存储或数据库取回），改用translate_stream：

from pdf2zh import translate_stream with open("paper.pdf", "rb") as f: mono, dual = translate_stream(stream=f.read(), **params)

mono/dual是 bytes，各开一个文件以二进制模式写入即可。

路线二：两条命令起 Flask+Celery HTTP 翻译服务

第一步装后端依赖并备好 Redis。Redis 是 Celery 异步翻译任务的 broker 兼结果存储，默认地址redis://127.0.0.1:6379/0，可用环境变量CELERY_BROKER、CELERY_RESULT改指向：

pip install pdf2zh[backend] sudo apt-get install redis-server # 已有 Redis 可跳过

第二步开两个进程，Flask 接口固定监听 11008 端口：

pdf2zh --flask # HTTP API pdf2zh --celery worker # 异步任务 worker

提交翻译任务拿任务 ID

curl http://127.0.0.1:11008/v1/translate \ -F "file=@paper1.pdf" \ -F 'data={"lang_in":"en","lang_out":"zh","service":"google","thread":4}' # {"id":"d9894125-2f4e-45ea-9d93-1a9068d2045a"}

data就是与 Python 路线同构的参数 JSON，字段见下方速查表。批量提交就是循环发 N 次，收集 N 个 id。

轮询进度直到 SUCCESS

curl http://127.0.0.1:11008/v1/translate/d9894125-2f4e-45ea-9d93-1a9068d2045a # 进行中: {"info":{"n":13,"total":506},"state":"PROGRESS"} # 已完成: {"state":"SUCCESS"}

info.n/info.total是已处理/总页数，前端直接当进度条用。轮询可以套一个while循环，每 5 秒取一次，state为SUCCESS就退出。

拉取单语、双语 PDF 结果

curl http://127.0.0.1:11008/v1/translate/$ID/mono --output paper1-mono.pdf curl http://127.0.0.1:11008/v1/translate/$ID/dual --output paper1-dual.pdf

注意：任务未完成或失败时这两个端点直接返回 400（{"error":"task not finished"}/{"error":"task failed"}），别把它当接口故障处理。

取消运行中的任务

curl http://127.0.0.1:11008/v1/translate/$ID -X DELETE # 任务被 revoke，state 变为 REVOKED

worker 进程会被直接终止（内部走revoke(terminate=True)），适合误提交或参数写错的场景。

批量翻译 API 接口与参数速查表

data里可用的主要参数（HTTP 与 Python 路线通用）：

常见坑与进阶方向

• ⚠️ 别提前取结果：结果端点 400 不代表服务坏了，先 GET 确认SUCCESS。
• HTTP 路线会把整个 PDF 以 bytes 塞进 Celery 任务，大文件会占用 broker 与 worker 内存；大批量巨型文件走进程内translate()（逐文件读盘落盘）更省内存，或在服务侧控制并发。
• 翻译缓存是本地 sqlite（见 pdf2zh/cache.py）：引擎与参数不变时，已译过的句子直接命中，同一批文档重跑几乎零成本；需要重译时用ignore_cache。
• 接口的实现在 pdf2zh/backend.py，更细的文档见 docs/APIS.md；Python 入口封装在 pdf2zh/high_level.py。
• 进阶方向：--mode precise切到 v2 翻译内核，--onnx指定自定义版面分析模型，pdf2zh --mcp以 MCP 协议接入大模型客户端。

研究场景的批量文献处理，进程内路线足够轻量；当多个客户端要共用一份翻译能力、需要远程提交与进度追踪时，再把 Flask+Celery 这套常驻服务拉起来。

【免费下载链接】PDFMathTranslate[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/MCP/Docker/Zotero项目地址: https://gitcode.com/GitHub_Trending/pd/PDFMathTranslate