企业官网建设流程全解析

论文公式一翻就乱码？用 PDFMathTranslate 一条命令译出中英对照 PDF

【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

把 PDF 里的英文段落粘进翻译器，公式多半变成乱码，双栏文字顺序错乱，图注和目录直接消失。PDFMathTranslate（Python 包名pdf2zh）就是为这个问题做的开源工具：它先识别页面中的公式、图表和正文区域，只翻译文本区，再把译文按原坐标写回，一条命令就能得到保留原始排版的纯译文 PDF 和中英对照双语 PDF。项目已被 EMNLP 2025 收录为系统演示论文，AGPL-3.0 协议开源。

PDF 版面分析：先切块再翻译，公式图表原样保留

普通方案是先把文本整体抠出来，PDFMathTranslate 走的是另一条路：内置 DocLayout-YOLO 的 ONNX 推理，把每一页切成正文、公式、图片、表格、页眉页脚等区域，只有文本区会被送去翻译，非文本区域整块保留，译文再按原坐标回填。多栏、跨页、公式编号这些最容易翻散的排版，因此在输出里原样不动。

每次翻译会产出两个文件：xxx-mono.pdf（纯译文）和xxx-dual.pdf（双语对照）。左为英文原页、右为译文页，公式与编号均停留在原位：

安装 pdf2zh 并翻译第一份 PDF：两条命令出结果

要求 Python 3.11～3.12（项目声明>=3.11,<3.13）。默认使用 Google 翻译服务，不需要配置任何密钥，所以这也是验证"装好了没有"的最短路径：

pip install pdf2zh pdf2zh paper.pdf

完成后当前目录会多出paper-mono.pdf和paper-dual.pdf。首次运行会下载几十 MB 的版面检测模型，网络不畅时先设置HF_ENDPOINT=https://hf-mirror.com环境变量再运行即可。

除本地文件外，PDF 的 URL 也可以直接作为输入。常用参数不必死记，记住这张小表：

-f/-c默认已保护 Math、Mono、Italic 等数学与代码字体，一般不用动；完整参数见 docs/ADVANCED.md。

不想敲命令：pdf2zh -i 启动本地 Web 界面

运行pdf2zh -i后浏览器自动打开http://localhost:7860/，文件上传、服务选择、目标语言、页码范围全部点选完成，译完即可在线预览并下载两个 PDF。下面是同一篇 Nature 论文在界面中的翻译前与翻译后状态：

界面还留了两个给"部署成共享服务"用的开关：--share生成对外临时链接，--authorized users.txt用"用户名,密码"文件限制登录用户，详见 docs/README_GUI.md。

整目录批量翻译 PDF 与 Docker 部署共用翻译服务

文献整理场景下，pdf2zh --dir /path/to/papers/会遍历目录里的 PDF 逐一翻译。已翻译过的文本段默认写入缓存，重复处理同一文档不再消耗 API 额度，想强制重翻时加--ignore-cache。--config config.json可以预先把语言、密钥和多组服务写进配置文件（默认读~/.config/PDFMathTranslate/config.json），命令行参数仍可随时覆盖。

团队共用一台翻译服务时，用仓库里的 Dockerfile 或 docker-compose.yml 都可以，官方镜像两条命令起步：docker pull byaidu/pdf2zh，再docker run -d -p 7860:7860 byaidu/pdf2zh，然后访问http://localhost:7860/——与本机 GUI 是同一套界面。

把 PDF 翻译接进系统：Python API、HTTP 接口与 MCP

在 Python 脚本里直接调用只需要几行，返回值同样是纯译文与双语两个文件：

from pdf2zh import translate params = dict(lang_in="en", lang_out="zh", service="google", thread=4) file_mono, file_dual = translate(files=["example.pdf"], **params)[0]

做成在线服务则是另一条路：安装pdf2zh[backend]后运行pdf2zh --flask与pdf2zh --celery worker（需要 Redis），即可通过 REST 接口提交任务、查询进度、下载结果，细节见 docs/APIS.md。第三种形态是给 AI 助手用的：pdf2zh --mcp（加--sse可走 SSE 传输）把翻译能力暴露给 Claude Desktop 等 MCP 客户端，用自然语言让它帮你找文件并翻译。如果你的 API 需要走自建中转，docs/PROXY_CONFIGURATION.md 有 Grok / OpenAI 兼容接口的完整示例，注意BASE_URL要带/v1后缀。

常见问题：扫描版能否翻译、如何切换翻译引擎

扫描版 / 图片型 PDF 能翻吗？不能直接翻。它识别的是 PDF 内嵌文本层，纯图片页面没有可翻译的文本，需要先做 OCR 再处理。带文本层的学术论文、技术报告、标准文档才是主战场。

换翻译引擎要配什么？-s后面跟服务名即可：Google、Bing 免费免配置；DeepL、OpenAI、Gemini、DeepSeek 等需要在环境变量或配置文件中提供 API Key，各服务对应的变量名对照表在 docs/ADVANCED.md。对术语质量要求高时，可用--prompt prompt.txt注入领域提示词，模板支持${lang_in}、${lang_out}、${text}三个变量。

个别阅读器打开输出乱码？默认会对字体做子集裁剪以减小体积，兼容性不佳时加--skip-subset-fonts关闭。

Windows 不想装 Python？发布页有pdf2zh.exe压缩包，解压双击运行；Zotero 用户则可以在文献管理软件里通过社区插件直接触发翻译。

哪些 PDF 不适合用 PDFMathTranslate

翻译质量完全取决于所选服务：默认 Google 免配置、够用但不精，术语密集的材料建议换 DeepL 或大模型服务并配合自定义提示词。--mode precise（v2 实验内核，需先运行pdf2zh-setup-precise搭建独立环境）和--babeldoc后端都还标注为实验特性，正式交付建议先用默认模式。环境上认准 Python 3.11～3.12，或用 Docker 与 Windows 免安装版绕开依赖问题。

【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