# 如何翻译扫描版 PDF 并检查版面

识别纯图片 PDF，选择合适的译文输出格式，并对照原件检查 OCR 错误、分栏、表格、插图和页面衔接。

扫描版 PDF 在屏幕上看着完全能读，翻译工具却拿不到可用的文字。页面上的词只是像素。要翻译这份文档，处理系统必须先识别这些字，还原它们的顺序，再用另一种语言生成你选定的输出。

下载结果后要做两项检查：原文是否被正确识别，译文是否保留了原意。如果 OCR 漏掉了一个否定词，或者把第一栏的内容接到第二栏段落中间，句子再漂亮也没用。

## 先确认 PDF 里到底是什么

在几个不同页面上试着选中一句话并复制。如果只能选中整页，说明页面很可能是图片。如果文字能选中，但粘贴出来顺序错乱，文本层可能不完整，或者结构不可靠。混合型文档里可能既有直接生成的文字，也有插入的扫描页，而且各页的版式可能不同。

挑几页难处理的来检查：一页表格、一段小字注释、一个双栏跨页，再加一页靠近章节分界的地方。不要只看扉页就判断整本长书。

也要看看图像本身。裁掉的页边、装订处的阴影、倾斜的行、模糊，都会影响识别。如果能拿到更清晰的扫描件，先换掉再处理。图像里本来就没有的字符，翻译系统无法靠上下文可靠地补出来。

## 想清楚你需要 PDF、EPUB 还是 Markdown

输出格式应该跟你拿到译文后的用途对得上：

| 输出            | 适用场景                | 需要检查什么                  |
| ------------- | ------------------- | ----------------------- |
| 翻译后的 PDF      | 需要交付 PDF，并且在意页面呈现   | 文字是否放得下、标签、表格、图文之间的对应关系 |
| 带译文的 EPUB     | 想放大字号、在电子书阅读器里继续读   | 段落顺序、章节导航、注释、重排效果       |
| 带译文的 Markdown | 想要可编辑的文本，用于做笔记或继续加工 | 标题、公式、表格、图注、参考文献        |

在 PDF Craft 中，输出 PDF 必须启用翻译。EPUB 和 Markdown 可以只转换、不翻译，所以需要另一种语言时要明确打开翻译。页面地址不会替你设定这些选项。双语输出只在部分非 PDF 格式中提供，不要指望有双语 PDF 选项。

EPUB 追求的是阅读结构，而不是复刻每一张印刷页面。Markdown 优先保证内容可编辑。如果原件的视觉排布很重要，无论选哪种结果，都把 PDF 一起留着。

## 按“识别—翻译”的流程走

1. **保留原始扫描件。** 另存一份未改动的副本，文件名要好认。之后核对数字、图像，或者怀疑某段文字时，都以它为准。
2. **上传到 [PDF Craft 工作区](https://pdfcraft.ai/zh-CN/pdf-craft/)。** 文件大小和处理限制以界面当前显示为准。
3. **选择输出格式。** 选 EPUB 或 Markdown 时，打开翻译并选择目标语言。确认界面上提供的输出模式，不要凭首页介绍想当然。
4. **填写相关的翻译说明。** 说明文档主题，再列出几个重要的术语、人名或地区用语偏好。说明能引导翻译，但不能代替检查结果。
5. **核对设置后提交。** 新用户会获得试用额度，处理按用量计费。当前价格见[定价](https://pdfcraft.ai/zh-CN/pricing/)。
6. **在完成的任务里下载。** 用合适的阅读器或编辑器打开输出，对照你之前挑出的那几页难处理页面。

PDF Craft 在任务中一并完成识别和文档结构处理。这不代表翻译前有一个可交互的 OCR 校对环节。如果你需要独立核对提取出来的文字，单独做一次转换再逐页检查，可能比只依赖译文更合适。

## 表格和插图要单独检查

表格里可能出现词都对、格子却错位的情况。把表头和下面的数值对照着看，检查单位，再沿着整行横向读一遍。负号或小数点挪了位置，即使前后文字读起来通顺，意思也可能变了。

对插图，要检查图号、图注，以及正文中提到它的那句话。嵌在图像里的文字不一定按正文文字处理；不要以为图片保留下来了，图里每个标签就都翻译过。示意图和地图要留着原件对照。

多栏页面要检查内容是否连贯。读完一栏的最后几行，再看下一栏的开头几行。图注和脚注要单独顺着读，因为它们在页面上挨得近，不代表阅读顺序就对。[公式与脚注检查清单](https://pdfcraft.ai/zh-CN/blog/check-formulas-footnotes-after-ocr/)提供了更细致的核对方法。

## 内容和显示分两轮检查

先比对意思：人名、日期、数量、否定、定义，以及重要的限定条件。某段读起来别扭时，能看识别出的原文就看原文，同时对照原始页面图像。翻译错误和 OCR 错误要用不同的方式修正。

再看呈现效果。PDF 输出留意文字是否重叠，EPUB 留意段落是否被生硬地接在一起，Markdown 留意表格或公式结构是否被压平。要在你实际打算用的阅读器或编辑器里测试文件，不能只看浏览器预览。

用一个简单的记录表，写清位置和问题，例如“印刷页 42，表 3：核对第二栏的单位”。印刷页码可能和 PDF 阅读器显示的页码不一致，可重排的 EPUB 页码还会随字号变化。用章节加一句有辨识度的话来定位，跨格式对照更可靠。

校对或修改过的版本要单独保存。如果你的主要目的是读得舒服，[扫描版 PDF 转 EPUB](https://pdfcraft.ai/zh-CN/pdf-craft/scanned-pdf-to-epub/)可能比保留固定页面更合适。如果目的是编辑提取出来的内容，可以用 [PDF 转 Markdown](https://pdfcraft.ai/zh-CN/pdf-craft/pdf-to-markdown/)。这两种方式在复杂页面上仍然需要核对原文。