Python实战：解决从PDF复制文本到翻译软件时的换行问题

高斯小哥

已于 2024-02-24 14:49:37 修改

阅读量2k

点赞数 11

分类专栏： Python基础【高质量合集】文章标签： python pdf debug

于 2024-01-05 19:04:19 首次发布

本文链接：https://blog.csdn.net/qq_41813454/article/details/109721682

版权

Python基础【高质量合集】专栏收录该内容

133 篇文章 90 订阅

订阅专栏

Python实战：解决从PDF复制文本到翻译软件时的换行问题

在这里插入图片描述

🌈 个人主页：高斯小哥
🔥 高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程 👈 希望得到您的订阅和支持~
💡 创作高质量博文，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）

图1 翻译结果举例

一、引言 💭

当你兴冲冲地从PDF文献中复制一大段英文，准备粘贴到翻译软件里一探究竟时，有没有遇到过如图1所示的尴尬情况：**原本应该紧密相连的文本，在翻译软件里却变成了支离破碎的句子，每个短句都被莫名地拆分开来？**😅

二、问题分析 🔍

PDF文件，这个看似普通的文件格式，其实内部充满了“陷阱”。它的文本并不像Word或TXT文件那样简单明了，而是以图形元素的形式嵌入，还夹杂着各种排版信息。这就导致从PDF中复制文本时，经常会带上一些“隐藏”的换行符或其他格式信息，让翻译软件“误解”了文本的真正意图。😖

三、解决方案 🛠️

不过，别怕！Python可以解决这个问题！下面是一个简单的Python脚本，它能读取一个txt文件（你可以将PDF中的文本复制到这个txt文件中），然后删除其中的所有换行符，使文本恢复其原本的连续性。这样，你再将处理后的文本粘贴到翻译软件中，就能得到完整、连贯的翻译结果啦！✨

with open('文献论文格式转换器.txt', 'r', encoding='utf-8') as f:
    temp = []
    for s_line in f:
        for s in s_line:
            temp.append(s)
        if temp[-2] == '-':
            del temp[-2]
            del temp[-1]
        else:
            del temp[-1]
            temp.append(' ')
    print('\n', ''.join(temp))