Les liens peuvent-ils encore être utilisés après traduction des PDF : D’abord, faites une liste de liens

Après traduction des PDF, des liens externes, des redirections internes et des actions locales dans le document peuvent devenir invalides ou pointer vers un mauvais emplacement. De nombreuses équipes ne détectent ces problèmes qu’avant la livraison, ce qui entraîne des coûts de refonte élevés. Si vous êtes responsable de la traduction de documents, de la migration de la base de connaissances ou des processus de publication, cet article peut vous aider à inventorier les liens avant la livraison.

La méthode suivante classe d’abord les liens, puis décide comment les traiter par catégorie. Le code d’exemple ne fait que l’inventaire et la classification, sans accéder ni lancer de liens. Après avoir lu ceci, vous devriez pouvoir constituer une liste de liens, en précisant lesquels seuls doivent être marqués par l’accord, lesquels nécessitent d’enregistrer les numéros de page cibles, et lesquels doivent être remis à une revue manuelle.

Le lien peut-il encore être utilisé après avoir traduit le PDF ? En résumé, une conclusion

La possibilité de continuer à utiliser des liens traduits dépend d’abord d’identifier clairement les types de chaque lien, puis de les traiter séparément par type ; Les scripts ne gèrent que les catégories et n’accèdent pas aux liens.

Votre situation	Recette recommandée	La raison
Le document contient un lien HTTP externe	Ne marque que l’accord comme autorisé et conserve les registres d’inspection	L’autorisation de l’accord ne garantit pas la fiabilité du site cible ; la crédibilité doit être vérifiée séparément
Le document contient des redirections internes	Notez le numéro de page cible de base zéro	Après la séparation ou la fusion, les numéros de page changent et doivent être remappés
Le document inclut des actions locales	Marquez-le comme une revue manuelle, non ouverte ou exécutée	Les actions locales ne doivent pas être exécutées automatiquement
Le PDF est soit OCR, soit reformaté	Vérifiez manuellement si le rectangle du lien s’aligne avec le texte visible	Le lien lui-même est sécurisé, et l’expérience utilisateur peut déjà être compromise

Quel problème cet article aborde-t-il en premier ?

L’accord de lien dans la liste autorisée indique seulement que cette vérification de mise en forme a été validée, mais ne signifie pas que le site ciblé est fiable. L’exemple ne fait qu’inventorier et catégorise sans accéder ni lancer de liens. Les numéros de page internes sont remappés à l’aide d’index à base nulle ; après séparation ou fusion, ils doivent être remappés.

Exemple de composition autonome

Voir la liste d’importation pour les dépendances. Le code est construit en mémoire, et les enregistrements à l’exécution sont fournis séparément, ce qui ne garantit pas tous les fichiers authentiques.

import pymupdf
from urllib.parse import urlsplit
def classify(link):
    if link.get("kind") == pymupdf.LINK_URI:
        scheme = urlsplit(link.get("uri", "")).scheme.lower()
        return "allowed_scheme_needs_review" if scheme in {"https", "http", "mailto"} else "blocked_scheme"
    if link.get("kind") == pymupdf.LINK_GOTO:
        return "internal_remap_needed"
    return "manual_review"
with pymupdf.open() as source:
    page = source.new_page()
    page.insert_link({"kind": pymupdf.LINK_URI, "uri": "https://example.com/", "from": pymupdf.Rect(10, 10, 100, 30)})
    raw = source.tobytes()
with pymupdf.open(stream=raw, filetype="pdf") as doc:
    links = doc[0].get_links()
    assert len(links) == 1
    assert classify(links[0]) == "allowed_scheme_needs_review"
assert classify({"kind": pymupdf.LINK_URI, "uri": "javascript:alert(1)"}) == "blocked_scheme"
assert classify({"kind": pymupdf.LINK_GOTO, "page": 0}) == "internal_remap_needed"
assert classify({"kind": pymupdf.LINK_LAUNCH}) == "manual_review"

Exemple d’extraction de liens PyMuPDF et de vérification de sécurité

Exemple écrit selon le comportement de l’API PyMuPDF : les liens de type LINK_GOTO utilisent la clé page, les numéros de page commencent à 0, et non à topage ou firstpagenum. get_text() renvoie tout le contenu sans le paramètre clip.

L’exemple contient deux assertions, couvrant respectivement le chemin normal et une condition aux limites clé.

Liste de contrôle d’acceptation des liens et révision manuelle des limites

Le code peut effectuer une classification mécanique, mais ne peut pas remplacer le jugement commercial. Le tableau ci-dessous liste les états de lien commun et leurs décisions de gestion correspondantes, clarifiant la frontière entre la révision automatisée et manuelle.

Le code ne peut qu’assurer une logique de classification correcte. La question de conserver les liens ou de mise à jour de la rédaction doit être décidée par quelqu’un familier dans le domaine de la documentation. Surtout après OCR ou reformatage des PDF, le rectangle du lien peut être mal aligné avec le texte visible. À ce stade, même si le lien lui-même est sécurisé, l’expérience utilisateur est compromise et nécessite un ajustement manuel.

📊 Comparaison des noyaux

Le tableau ci-dessous compare les méthodes de traitement par type de lien, chaque ligne ne listant que ce qui doit être fait et quelles inférences ne doivent pas être faites.

Observation	Ce qu’il faut faire	et ne doit pas être jugé
Liaison HTTP	Ne marquez que l’accord comme autorisé	La crédibilité de la cible sera vérifiée séparément
Redirections internes	Enregistrer la page cible à base zéro	Remappage après décombinaison
Action locale	Critique du manuel Mark	Ni ouvert ni exécuté

Références et prochaines étapes

PyMuPDF Page.get_links() documentation officielle : https://pymupdf.readthedocs.io/en/latest/page.html#Page.get_links
Description du système de coordonnées PyMuPDF (comprendre le positionnement rectangulaire de liaison) : https://pymupdf.readthedocs.io/en/latest/page.html#coordinates

Il est recommandé de choisir un PDF représentatif contenant plusieurs types de liens, d’exécuter le script de classification ci-dessus dans votre environnement local, et de générer un rapport d’audit des liens. En fonction de la proportion d’éléments de « révision manuelle » dans le rapport, ajustez les constantes de la politique de sécurité ou complétez la liste blanche. Ce n’est que lorsque le contenu du rapport est stable et explicable qu’il est inclus dans le processus formel d’acceptation de la traduction.

Utilisez cette liste de contrôle pour la traduction de documents

D’abord, vérifiez l’ordre des pages, l’emplacement de la source et l’intégrité du texte, puis soumettez le même échantillon de désensibilisation au processus de traduction. Après traduction, il est toujours nécessaire de vérifier si le titre, le texte principal et les légendes correspondent correctement ; il ne suffit pas de juger uniquement par la fluidité du texte.

OmniDoc (entrée produit) propose des portails de traduction de documents multi-formats, et le site officiel introduit des OCR, des glossaires et des fonctionnalités de référence bilingues. Si vous souhaitez partir directement du fichier, vous pouvez évaluer ce chemin avec des échantillons réels.

Veuillez utiliser le fichier anonymisé que vous avez autorisé pour télécharger et vérifier les résultats avec la liste de contrôle de cet article. Cela ne prétend pas qu’OmniDoc utilise les bibliothèques open source ou les algorithmes internes mentionnés dans cet article, ni que les exemples remplacent les tests de performance produit.

🎯 Quelle méthode te convient ?

Si tu dois rapidement déterminer si un lien peut être maintenu,

Regardons d’abord le type de lien. Les liens HTTP externes ne réalisent que des vérifications de protocole ; la crédibilité de la cible doit être vérifiée séparément.

Si votre PDF a été scindé ou fusionné

Remapper les numéros de pages des sauts internes, enregistrer la page cible à base zéro, puis effectuer l’acceptation.

Si votre PDF a subi un OCR ou a été reformaté

Vérifiez chaque rectangle de lien pour vous assurer que le texte visible est aligné ; cette étape ne peut pas être effectuée uniquement par des scripts.

Si vous devez traiter plusieurs documents en bloc

D’abord, un échantillon représentatif est utilisé pour générer un rapport d’audit, puis, après avoir confirmé que le rapport est stable et interprétable, il est ensuite promu à des processus formels.

❓ Foire aux questions (FAQ)

1. Si l’accord de lien passe l’inspection, cela signifie-t-il que vous pouvez cliquer dessus en toute confiance ?

Non. Les vérifications de protocole indiquent seulement que ce format est passé ; la fiabilité du site cible doit être confirmée séparément.

2. Après avoir séparé ou fusionné les PDF, comment les redirections internes doivent-elles être gérées ?

Les numéros de page internes utilisent des index à base nulle ; après séparation ou fusion, ils doivent être remappés.

3. Le script peut-il automatiquement décider quels liens garder ?

Non. Le code ne complète que la classification mécanique ; la conservation des liens et la mise à jour de la rédaction dépend des personnes familières avec l’entreprise.

4. Le lien lui-même est correct, alors pourquoi l’expérience peut-elle quand même mal tourner ?

Après OCR ou reformatage, le rectangle de liaison peut être mal aligné avec le texte visible et nécessite une vérification manuelle.

5. Le code d’exemple accédera-t-il aux liens dans la documentation ?

Non. L’exemple ne fait qu’inventorier et catégorise sans accéder ni lancer de liens.

📝 Résumé

Pour les problèmes de lien après la traduction des PDF, il faut d’abord se fier aux listes de contrôle de l’inventaire, puis à juger manuellement. Les scripts sont responsables de la catégorisation, tandis que les décisions commerciales et la vérification de l’expérience nécessitent un travail manuel.

Faites l’expérience dès maintenant : téléchargez votre document pour commencer à traduire, tout en conservant la mise en forme originale