求助：Python识别PDF段落和翻译的问题

有这样的PDF文件内容：

10.1

El concepto de prefijación. Sus límites

10.1.1

Prefijación y composición

10.1.1a La prefijación es un proceso morfológico por el que se antepone un

morfema, llamado prefijo, a una palabra ya formada (des-hecho, in-dependiente,

pre-disponer) o a un tema latino o griego (§ 11.8.2a), como en a-morfo, in-erte,

pró-fugo. Además de por esta propiedad, estrictamente posicional, los prefijos se ca

racterizan por otros rasgos que los diferencian de los sufijos y que serán analizados

en este capítulo.

10.1.1b En la gramática tradicional se interpretaban ciertos prefijos como preposi

ciones inseparables. Este criterio asimilaba la prefijación a la composición, que es

el procedimiento morfológico por el que se integran dos o más formas independien

tes en una misma palabra (§ 1.3.2a y capítulo 11). Sin embargo, solo algunos prefijos

cuentan con preposiciones homónimas (ante-, bajo-, con-, de-, entre-, para-, sin-,

sobre-), e incluso estos se comportan de manera diferente como unidades morfológi

cas que como piezas sintácticas. En la gramática contemporánea se tiende a interpretar

la prefijación como una forma de derivación.

10.1.1c No siempre resultan claras las diferencias entre la composición y la prefi

jación. Las bases léxicas grecolatinas que se suelen denominar elementos compo

sitivos poseen un estatuto intermedio entre las formas ligadas y las libres. Estas

bases compositivas cultas pueden constituir el primer componente de la palabra,

y se asimilan en esto a los prefijos ( filocomunista, logopedia), pero se diferencian de

1. 需要用Python 识别出PDF文件中的段落

2. 或者用正则把序号找到、总之就要分割出段落

3. 把每个段落中所有斜体字符（如filocomunista, logopedia）都要用索引符号XXX替换，避免在翻译引擎中翻译。比如preposiciones homónimas (ante-, bajo-, con-, de-, entre-, para-, sin-, sobre-), 就要变成preposiciones homónimas (XXX),因为斜体的内容在翻译引擎中不翻译

4. 处理好的段落发到DeepL引擎中翻译

5. 把索引符号替换的地方，用原文替代回去

6. 把翻译好的段落，新建pptx演示文稿，每页一段，做成外语-中文对照

现在难点是：

1. 我用pdfminer的page.extract_text()识别，都是整页文字，不知道怎么划分出原文的段落

2. 怎么用正则找到序号,像是（33.3.1a），然后按照找到的正则匹配，分割段落？

3. 怎么运用DeepL引擎翻译？

4. 怎么添加到pptx幻灯片中，按照每段一页的方式，自动生成幻灯片。如果不行，加到docx中，再把docx转换成pptx也行。

求助：Python识别PDF段落和翻译的问题相关推荐

python识别pdf文字_Python 神工具包！翻译、文字识别、语音转文字统统搞定
今天给大家介绍一款 Python 制作的实用工具包,包含多种功能: 音频转文字文字转语音截图 OCR文字识别复制翻译举个例子,比如截图 OCR 文字识别就有很多实用场景. 常会遇到有些 PDF ...
UIPATH 结合 Python 识别 PDF 中的表格
工作中遇到的需求: 采购文档在用友U8中打印出来后, 识别表格并把表格内容附在邮件内容中发送给对应采购人员摘录一下关键点. 首先, 我用的 Python 脚本如下: import pdfplumbe ...
Python识别pdf表格
import pdfplumber import pandas as pdpath = '/Users/wecash/Desktop/000001.pdf'if __name__ == '__main ...
用Python实现复制英文PDF段落后自动去掉换行连字符
大家好,我是辰哥~ 今天给大家分享一个Python自动化的小技巧: 复制英文PDF段落自动去掉换行字符问题描述:复制外文文献或者外文pdf段落内容时,出现很多的换行字符等. 本文来自读者投稿作者博 ...
python处理pdf实例_Python程序图片和pdf上文字识别实例
实例一:先减少背景杂音,再做图片文字识别为了提高识别率,先用opencv-python对扫描的图片做预处理(减少背景杂音),然后调用pytesseract识别图片上的文字.处理方式就是: 学习Pyt ...
python解析pdf，读取文字，可识别两栏pdf等
python解析pdf,读取文字,可识别两栏pdf等一.解析我们的pdf文件,首先第一步是解析普通类别的pdf(只有一栏) 代码中包含注释(不懂得可以留言) 二.处理拥有两栏等类型的pdf 为什么要 ...
python英文文本分析和提取_python如何提取英语pdf内容并翻译
本文实例为大家分享了python提取英语pdf内容并翻译的具体代码,供大家参考,具体内容如下前期准备工作: 翻译接口: 调用的是百度翻译的api(注册后,每个月有2百万的免费翻译字符数.) pdfm ...
python读取pdf文件_深入学习python解析并读取PDF文件内容的方法
这篇文章主要学习了python解析并读取PDF文件内容的方法,包括对学习库的应用,python2.7和python3.6中python解析PDF文件内容库的更新,包括对pdfminer库的详细解释和应 ...
手把手教你如何用Python从PDF文件中导出数据（附链接）
作者:Mike Driscoll :翻译:季洋:校对:丁楠雅本文约4000字,建议阅读10分钟. 本文介绍了在提取出想要的数据之后,如何将数据导出成其他格式的方法. 有很多时候你会想用Python从 ...
8、【办公自动化】Python实现PDF文件的批量操作
说明平时工作中,经常会和 PDF 文件打交道,比如,合并.拆分.加解密.添加和去除水印.提取指定内容.转换成其他文件格式等操作.如果只是处理单个 PDF 文件的话,有些操作是比较简单的,而如果需要批 ...

求助：Python识别PDF段落和翻译的问题

求助：Python识别PDF段落和翻译的问题相关推荐

最新文章

热门文章