【python爬虫】批量识别pdf中的英文，自动翻译成中文上

已于 2023-09-03 18:53:13 修改
阅读量1.7k 收藏
点赞数
分类专栏： 学习python 爬虫 文章标签： python 爬虫 pdf
于 2023-09-03 18:46:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32532663/article/details/132653169
版权

不管是上学还是上班，有时不可避免需要看英文文章，特别是在写毕业论文的时候。比较头疼的是把专业性很强的英文pdf文章翻译成中文。我记得我上学的时候，是一段一段复制，或者碰到不认识的单词就百度翻译一下，非常耗费时间。本文提供批量识别pdf中英文的方法，后续文章实现自动pdf英文转中文文档，敬请期待。

文章目录


  

一、安装pdfplumber库

  
识别pdf中的内容，需要用到pdfplumber库，所以首先安装pdfplumber库，常规代码如下：

pip install pdfplumber

但是在安装过程会报如下错误：
  
图片

上网找了一下资料，发现可以使用国内的镜像进行安装

了解本专栏 订阅专栏 解锁全文 超级会员免费看
阿黎逸阳
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
python 如何解析PDF文件，并将其翻译为其他语言
zhangzhechun的专栏
03-21 929
在将翻译后的文本添加到 PDF 写入器对象中时，我们使用 mergeTranslatedPage() 方法将翻译后的文本和原来的布局信息合并起来，以便能够保留原来的格式和布局。需要注意的是，使用 pdfplumber 或其他类似的工具提取 PDF 中的文本，并保留格式和布局信息，可能会受到 PDF 文件的制作者所使用的软件和设置的影响，可能会出现提取不完整或错误的情况。使用 PyPDF2 库将 PDF 文档中的文本提取出来并翻译后，再将翻译后的文本重新写入 PDF 文件，是无法保留原来的格式和布局的。
【python爬虫】批量识别pdf中的英文，自动翻译成中文下
阿黎逸阳的博客
09-03 2366
python爬虫实现pdf中英文转中文
PDF如何翻译成中文？三种方法教你怎样翻译PDF上的文字
KongDere的博客
04-19 1519
但是有些文章为了看起来美观可能会生成PDF格式，我们想翻译的话，就需要先把格式转换成word等方便编辑的文档格式，再把文字复制出来翻译，这样费时又费力。全能翻译官是一款集多种文档格式翻译、图片翻译、音频视频翻译功能于一体的智能翻译软件，不仅能快速识别并精确翻译多个大小语种，还拥有批量操作的功能。第三步，我们在PDF文件导入完成后，进行翻译语言和保存路径的设置，完成设置后就可点击“全部翻译”按钮进行翻译了。第二步，我们在弹出的窗口中设置好翻译语言和翻译页码，就可以点击下方“立即翻译”按钮进行PDF翻译了。
pdf转json_Python读取PDF文档并翻译
weixin_39992831的博客
11-14 781
自制文档翻译小工具，告别xxx词典的收费翻译！翻译服务选择免费的百度翻译api：https://api.fanyi.baidu.com/标准版服务完全免费，不限使用字符量完成身份认证，还可免费升级至高级版、尊享版，每月享受200万免费字符量及增值服务# -*- coding: utf-8 -*- import randomimport hashlibimport sysimport importl...
Python-翻译PDF英文通过Python调取第三方库及接口进行翻译PDF文件
08-10
翻译PDF英文，通过Python调取第三方库及接口进行翻译PDF文件
用python写一个PDF翻译软件
Jan___的博客
02-12 2136
pip install pdfminer3k
Python-一个用来翻译英文pdf论文的小工具
08-10
翻译pdf英文论文用的小工具，避免换行符的尴尬，免去打开浏览器的过程，命令行操作
Python精要参考(第二版)_翻译pdf
05-16
Python精要参考(第二版)
Python爬虫开发学习全教程第二版，爆肝十万字【建议收藏】
热门推荐
五包辣条的博客
10-17 4万+
大家好，我是辣条。 上次整理的爬虫教程反响不错，但是还是有小伙伴表示不够细致，今天带了升级版，全文很长，建议先收藏下来。 一、爬虫基础 爬虫概述 知识点： 了解 爬虫的概念 了解 爬虫的作用 了解 爬虫的分类 掌握 爬虫的流程 1. 爬虫的概念 模拟浏览器，发送请求，获取响应 网络爬虫（又被称为网页蜘蛛，网络机器人）就是模拟客户端(主要指浏览器)发送网络请求，接收请求响应，一种按照一定的规则，自动地抓取互联网信息的程序。 原则上,只要是客户端(浏
实现网页和文章在线自动翻译功能的python程序
04-21
笔者利用闲暇时间，完成了这个工具程序的开发，它主要采用Python3、PyQt5以及某翻译App和Google翻译的云服务器公开接口开发而成，能够自动将英语、德语、西班牙语、法语、日语或韩语等107种语言的文章，按段落一批一批地进行翻译，并支持原文译文对照浏览，还能实现网页文字的自动翻译，现共享给大家，供各位同学研究学习之用
用python爬虫批量下载pdf的实现
01-19
我知道用python爬虫可以批量下载，不过之前没有接触过。今天下午找了下资料，终于成功搞定，免去了手动下载的烦恼。 由于我搭建的python版本是3.5，我学习了上面列举的参考文献2中的代码，这里的版本为2.7，有些...
通过python爬虫批量下载PDF文件
02-20
通过python爬虫批量下载PDF文件，当前代码使用下载人教版学生教材举例； 其中涉及到批量下载、文件重命名、正则表达式等具体应用
Python批量自动化提取pdf中的嵌入式图片
最新发布
04-06
这个代码实现了一个功能强大的 PDF 图像提取工具，依赖于 fitz (PyMuPDF) 和 cv2 (OpenCV) 库，专门设计用来批量处理和提取PDF文件中的图片。它能够批量处理各种各样PDF 文件（两列式、单列式、图片式）中的嵌入式...
Python爬虫入门教程：超级简单的Python爬虫教程.pdf
03-20
Python爬虫入门教程是一篇超详细介绍 Python 爬虫入门的教程，从实战出发，适合初学者。读者只需在阅读过程紧跟文章思路，理清相应的实现代码，30 分钟即可学会编写简单的 Python 爬虫。
python爬虫 批量下载pdf文件 .zip
12-23
Python爬虫源码大放送：抓取数据，轻松搞定！ 想轻松抓取网站数据，却苦于技术门槛太高？别担心，这些源码将助你轻松搞定数据抓取，让你成为网络世界的“数据侠盗”。 它们还具有超强的实用价值。无论你是想要分析...
翻译pdf中的英文 python_浅谈python实现Google翻译PDF,解决换行的问题
weixin_39640157的博客
12-04 141
我们复制PDF到Google翻译时，总是会出现换行的情况，如果自己手动去除，那就太麻烦了。那么用Python就可以解决，复制到粘贴板以后，Python程序自动可以把\n换成空格，然后我们就可以复制到Google翻译中去代码：import pyperclipimport timeimport webbrowsercopyBuff=' 'while True:time.sleep(10)copyedT...
#代码生活# 读取PDF文字并存储到word文件中
Ducunyu的博客
03-24 319
Python办公自动化：PDF文字提取到word文件中 需求解读 需要用到的扩展库 代码实现 # 把pdf中的文字提取到word文件中 import pdfplumber import docx # 利用扩展库打开pdf 文件，并存储pdf内存对象 with pdfplumber.open ('D://XX业务/XXX/XXX市场/2020销年1月XXX销年报告总结.pdf') as pdf: #新建一个文档对象 dc=docx.Document() #循环遍历每一页的pdf
使用Python翻译英文文献
oatgna的博客
01-10 2350
翻译英文文献
python爬虫批量下载pdf
07-25
你可以使用Python的requests库来编写一个简单的爬虫来批量下载PDF文件。下面是一个示例代码： ```python import requests import os def download_pdf(url, save_path): response = requests.get(url) with open(save_path, 'wb') as file: file.write(response.content) def batch_download_pdf(urls, save_dir): if not os.path.exists(save_dir): os.makedirs(save_dir) for i, url in enumerate(urls): save_path = os.path.join(save_dir, f'file{i}.pdf') download_pdf(url, save_path) print(f"Downloaded {url} to {save_path}") # 示例URL列表 pdf_urls = [ 'http://example.com/file1.pdf', 'http://example.com/file2.pdf', 'http://example.com/file3.pdf', ] # 指定保存目录 save_directory = 'pdf_files' batch_download_pdf(pdf_urls, save_directory) ``` 你需要将`pdf_urls`列表替换为你要下载的PDF文件的URL列表，然后指定一个保存目录`save_directory`。运行以上代码，它将会依次下载每个PDF文件，并保存到指定目录下。请确保你拥有下载这些PDF文件的合法权利。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

阿黎逸阳

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值