python实现从pdf文件中提取文本,并自动翻译的方法
更新时间：2018年11月28日 09:09:37 作者：PlPyRbC
今天小编就为大家分享一篇python实现从pdf文件中提取文本,并自动翻译的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
针对Python 3.5.2 测试
首先安装两个包：
$ pip install googletrans
$ pip install pdfminer3k
googletrans会提供一个命令translate，这个命令会调用google translate api执行自动翻译：
pdfminer3k会提供一个工具脚本pdf2txt.py：
$ pdf2txt.py xxx.pdf
从stackoverflow搜索到可以去除页眉和页脚的命令(强烈推荐)：
使用Ubuntu提供的pdftotext工具：
$ pdftotext -y 50 -H 650 -W 1000 -nopgbrk sva.pdf $ pdftotext -f 147 -l 166 -y 50 -H 650 -W 1000 -nopgbrk sva.pdf
谷歌翻译并不能识别段落或者整句，如果一个整句中出现换行符，会发现翻译就不完整了，以网页版谷歌翻译测试：
因此需要将pdf转换好的文本文件进行拼接，借用linux args 命令，实现此功能，将整个文件的换行符全部去掉。
但是问题又出现了，整个文件变成一行，我们的段落结构都消失了，那么我们需要手动添加delimiter，设置为一个特殊字符@。
执行如下命令：
cat trans_src.txt |xargs |xargs -0 -d '@' -i{} translate -d zh-cn {} |tee trans_dst.txt
cat sva_src_1to2.txt |xargs |xargs -0 -d '&' -i{} translate -d zh-cn {} |xargs -d'\n' -n4 | awk -F'zh-cn' '{print $2}' | awk -F'[][]' '{print $2}' | tee sva_dst_1to2.txt
将翻译后的文本重定向到一个文件，然后对文件进行简单的后处理，就可以了。
以上这篇python实现从pdf文件中提取文本,并自动翻译的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要为大家详细介绍了python实现猜数字游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-10-10
这篇文章主要介绍了浅析PyTorch中nn.Linear的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
Python获取基金网站网页内容、使用BeautifulSoup库分析html操作示例
这篇文章主要介绍了Python获取基金网站网页内容、使用BeautifulSoup库分析html操作,结合实例形式分析了Python基于urllib包的网页内容获取,以及使用BeautifulSoup分析html相关操作技巧,需要的朋友可以参考下2019-06-06
Python PyQt5干货满满小项目轻松实现高效抠图去背景
PyQt5以一套Python模块的形式来实现功能。它包含了超过620个类，600个方法和函数。本篇文章手把手带你用PyQt5轻松实现图片扣除背景,大家可以在过程中查缺补漏，提升水平2021-11-11
这篇文章主要介绍了python实现微信自动回复及python 批量生成微信添加好友截图功能的实例代码，代码简单易懂，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-07-07
这篇文章主要介绍了flask 实现token机制的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-11-11
这篇文章主要为大家详细介绍了Python OpenCV实现图片上输出中文，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
Python使用opencv是因为觉得它足够强大,很多图像处理这块都是用的它,最近就用opencv添加个水印,这篇文章主要给大家介绍了关于如何利用Python和OpenCV对图像进行加水印的相关资料,需要的朋友可以参考下2021-10-10
queue是python的标准库，俗称队列.可以直接import引用,在python2.x中,模块名为Queue。这篇文章主要介绍了python爬虫中多线程的使用,需要的朋友可以参考下2019-09-09
这篇文章主要介绍了Python判断三段线能否构成三角形的代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
最新评论