使用谷歌翻譯API翻譯PDF文件

Question

我想在我的項目中使用谷歌翻譯。我完成了與Google的所有手續。我也有API密鑰。有了這個鍵，我可以輕鬆地用JavaScript翻譯任何單詞。但是，如何翻譯PDF文件，就像我們在Google翻譯網站上所做的那樣？我發現一件事情是這樣的：

http://translate.google.com/translate?hl=fr&sl=auto&tl=en&u=http://www.example.com/PDF.pdf

但在這裏我不能用我的鑰匙，因此它需要這麼多的時間來翻譯。所以我想使用我的密鑰並翻譯PDF文件。請幫助我。 我的做法是這樣的：

1. One html page I have. 
2. One browse button for pdf 
3. Upload the file 
4. Transalte the pdf with Google API and show in the html page. 

我搜索它這個PDF文件使用轉換，但沒有發現任何東西。請幫助我。

Answer 1

TL：DR：使用無頭瀏覽器從Google PDF翻譯服務呈現PDF。

PDF是一種複雜的格式，可以包含很多文本組件。爲了翻譯它，我將描述從簡單到更高級的解決方案。

翻譯原始文本

如果你只需要轉換，而無需視覺輸出，可以提取文本，並把它交給谷歌翻譯。

既然你沒有提供您的項目（語言，環境，...）我會重定向到這個thread on how to extract text

翻譯的所有文字

如果你需要從一切文字信息的PDF，這很難。爲了避免頭痛（部分），您可以將PDF轉換爲圖像（使用imagemagick工具或類似的），然後你有三種選擇：

• OCR從圖像中的文本，然後把它給谷歌，你又是失去原來的形式。

• OCR文本，但保存位置（一些圖書館可以做到這一點，又因爲你沒有指定你的項目信息，請參閱論文鏈接：#1，#2，#3，#4）。

  然後用google api翻譯它，並將結果寫入圖像。爲了獲得最佳效果，您需要考慮文本字體，顏色和背景顏色。相當困難，但可行。

• 使用google translate image service轉換圖像。不幸的是，這個功能在公共API中不可用，所以除非做一些逆向工程，否則這是不可能的。

翻譯使用谷歌的PDF翻譯服務

您使用翻譯網站可以很容易地實現自動化提供瞭解決方案。這很長的原因是因爲它是一個沉重的過程，你可能不會擊敗谷歌。

使用無頭瀏覽器，您可以使用pdf獲取翻譯頁面，然後觀察翻譯的內容是否位於iframe中，獲取該iframe並最終打印爲PDF。

下面是使用SlimerJS一個簡單的例子（應爲Phantomjs兼容）

var page = require("webpage").create(); 

// here you may want to setup page size and options  

// get the page 
page.open('https://translate.google.fr/translate?hl=fr&sl=en&u=http://example.com/pdf-sample.pdf', function(status) { 
    if (status !== 'success') { 
     console.log('Unable to access network'); 
    } else { 
     // find the iframe with querySelector 
     var iframe_src = page.evaluate(function() { 
      return document.querySelector('#contentframe').querySelector('iframe').src; 
     }); 

     console.log('Found iframe: ' + iframe_src); 

     // render the iframe 
     page.open(iframe_src, function(status) { 
      // wait a bit for javascript to translate 
      // this can be optimized to be triggered in javascript when translation is done 
      setTimeout(function() { 
       // print the page into PDF 
       page.render('/tmp/test.pdf', { format: 'pdf' }); 

       phantom.exit(0); 
      }, 2000); 

     }); 
    } 
}); 

給予這個文件：http://www.cbu.edu.zm/downloads/pdf-sample.pdf
它產生這樣的結果（翻譯成法語）：（我貼出截圖，因爲我不能嵌入PDF;））

Answer 2

使用Apache Tika提取PDF文件的文本內容（您應該編寫必要的Java代碼），然後使用任何您想要用來翻譯它的API。但是，正如上面提到的，Google Translate是一項付費服務​​。