企业官网建设流程全解析

BabelDOC 完整指南：3步完成保留格式PDF翻译

【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC

BabelDOC 是一款开源的 PDF 翻译引擎，专为翻译时保留原始版式而设计。它支持 160 种语言编码，英文→中文方向最稳定，输出 3 种模式，公式、图表原位保留。

场景代入：80 页的英文手册

你从供应商那里拿到一份 80 页的英文技术手册，自己读完还好，但团队要求下周交一份中文版。你把文字复制进翻译工具，译回之后两栏排版散了、表格里的公式变成乱码、图表位置全跑偏，重排一下就要一天。你要的不是又一份机翻文本，而是能在原排版上直接完成的翻译，BabelDOC 做的就是这件事。

工作原理速览：BabelDOC 如何工作

它没有走"抽文本→重排版"的路线，整个过程分三步完成：

• 解析：逐页解析 PDF，把文本、字体、公式符号和版式信息提取成结构化中间表示，解析逻辑主要在babeldoc/format/pdf/。
• 翻译：按段落送入 LLM（大语言模型，即大模型翻译服务）翻译，同时从文档中自动抽取高频术语，保证同一个词全书译法一致，翻译服务适配在babeldoc/translator/。
• 重建：译文按原栏位、字体、段落位置重新排版（排版指把文字重新排进版面的过程），生成新 PDF，公式和图表不动。

三步都跑在你本地，你只需要准备一个翻译接口的 key。不用懂每一步的内部实现，知道这个分工就够判断它是否适合你的文档了。

BabelDOC PDF翻译快速上手

先安装。uv 是一个 Python 包管理的命令行工具，没有的话先装它：

uv tool install --python 3.12 BabelDOC babeldoc --help

执行后你会看到终端里列出全部参数，不报错就说明环境就绪。

然后给它一个文件翻译。默认源语言英文、目标语言中文，任何兼容 OpenAI 格式的接口都能用，改 base-url 和 key 即可：

babeldoc --openai \ --openai-model "gpt-4o-mini" \ --openai-api-key "your-api-key" \ --files paper.pdf

执行后你会看到终端里滚动进度条，结束后输出目录多出两个 PDF：双语并排版（原文与译文左右同页）和纯中文版。文件路径建议传绝对路径；重复使用的参数还可以写进 TOML 配置文件，用--config加载。

功能亮点

下面这两个能力，直接决定产出能不能拿来就用。

公式识别与排版保留

BabelDOC 按字体名或字符模式识别公式文本，翻译时整体保护，再原样排回原位：

babeldoc --formular-font-pattern "STIXGeneral" \ --formular-char-pattern "[0-9+=^]" \ --files paper.pdf

效果是公式符号不再被拆散、串行，输出里和原文一模一样；模式覆盖不全时，可以只用字体名缩小匹配范围。

双语对照输出模式

默认输出就是双语对照文档，用--watermark-output-mode决定成品的形态：

翻到双语版你会发现，每一页的栏位结构、插图位置和公式都和原文对得上，左边读原文、右边看中文，逐段比对很方便。

进阶用法：术语表与大文档处理

术语表批量导入

• 自动术语提取默认开启
• --save-auto-extracted-glossary导出提取结果
• --glossary-files导入自己的术语 CSV

大文档分块处理

• --max-pages-per-part按页拆分分块翻译
• --pool-max-workers调高并行度提升速度
• 确认非扫描件时加--skip-scanned-detection提速

导入术语表后，系统会在文本里自动匹配词条并喂给翻译提示词，同一个词不会在第 3 页和第 57 页译成两个名字。术语表 CSV 共三列，前 3 行长这样：

source,target,tgt_lng API,应用程序编程接口,zh-CN Neural Network,神经网络,zh-CN

适合谁用

如果你经常要读英文论文或规范标准，可以用它快速拿到一份双语对照的中文版，公式和表格都不缺，省掉重排。

如果你的团队要维护中英双语文档，可以用它批量产出术语统一、格式一致的双语成品，新文档来了直接加进队列。

如果你想在自有程序里内嵌文档翻译能力，可以用它作为可嵌入的翻译引擎，项目接口就是按嵌入场景优先设计的。

避坑提醒

• 扫描版 PDF 先用--ocr-workaround，目前只适配白底黑字
• 作者与参考文献区可能译后被合并成一段，属于已知问题
• 线条与首字下沉暂不支持，超大页面可能被跳过
• 大文档建议用--max-pages-per-part分块，降低内存压力
• 目前仅支持 OpenAI 兼容接口，英文→中文是测得最透的方向

BabelDOC 的价值一句话能说清：解析、翻译、按原版式重建，三步让译文直接可用，不再重排。下一步可以git clone https://gitcode.com/GitHub_Trending/ba/BabelDOC克隆仓库，在目录里跑uv run babeldoc --help过一遍全部参数，完整参数说明和配置示例见 README.md，各阶段实现原理见 docs/ImplementationDetails/。

【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC