Tidak ada masalah dalam menerjemahkan teks Word, namun header tetap teks asli.

Ketika terjemahan header terlewat, masalahnya biasanya terletak pada mekanisme pewarisan is_linked_to_previous. Jika Anda menggunakan Python untuk memproses batch dokumen Word multi-bab, teks utama diterjemahkan, tetapi header masih berupa teks asli, atau skrip menulis header yang harus diwarisi sebagai konten berulang, artikel ini dapat membantu Anda menemukan alasannya.

Berikut ini akan dijelaskan mengapa header "tertaut ke bagian sebelumnya", bagaimana mengidentifikasi dan memutus tautan tanpa merusak tata letak, dan memberikan serangkaian kriteria penerimaan yang dapat diperiksa satu per satu. Setelah membaca ini, Anda seharusnya bisa menentukan header mana yang harus diterjemahkan, mana yang harus dilewati, dan apa yang perlu diperiksa secara manual sebelum pengiriman.

Mengapa terjemahan header masih teks asli? Kesimpulan satu kalimat

Hanya header yang ditentukan secara independen yang diterjemahkan, dan header yang ditautkan akan dilewati; ketika terjemahan yang berbeda benar-benar diperlukan, putuskan tautannya terlebih dahulu lalu tulis.

Mengapa terjemahan header selalu hilang atau diulang?

Ada dua kegagalan umum saat bekerja dengan dokumen Word multi-bab. Salah satunya adalah teks utama telah diterjemahkan ke dalam bahasa sasaran, dan header serta footernya masih berupa teks asli. Yang lainnya lebih menyusahkan: Untuk memperbaiki situasi sebelumnya, skrip dipaksa untuk melintasi objek Header dari semua Bagian dan menerjemahkannya. Akibatnya, halaman yang awalnya dirancang untuk menjadi "sama seperti bagian sebelumnya" memiliki konten tertulis yang berlebihan, sehingga merusak logika pewarisan tata letak dokumen asli.

Tidak ada masalah yang disebabkan oleh mesin OCR atau NMT, namun oleh pemahaman yang bias tentang atribut is_linked_to_previous di OpenXML.

Dalam python-docx dan struktur XML yang mendasarinya, header bukanlah entitas independen pada setiap halaman, tetapi sebuah objek yang dipasang pada Bagian. Ketika header suatu bagian berada dalam status "tautan ke bagian sebelumnya", header tersebut tidak berisi definisi teks itu sendiri, namun hanya menyimpan referensi ke header valid sebelumnya. Saat ini, jika teks paragraf Header dibaca langsung, yang dibaca mungkin merupakan konten warisan; jika terjemahan ditulis tanpa penilaian, definisi header baru akan dibuat secara implisit, memutus rantai pewarisan asli. Hal ini tidak hanya menyia-nyiakan sumber daya terjemahan, namun juga menyebabkan penyesuaian tata letak selanjutnya kehilangan keterkaitan.

Memahami jebakan pewarisan is_linked_to_previous

_Header.is_linked_to_previous adalah saklar kunci untuk mengatasi masalah ini.

• Jika True, berarti bagian saat ini tidak memiliki definisi header independen, dan konten yang ditampilkan ditelusuri ke atas sepanjang rantai dan diwarisi dari bagian superior yang memiliki definisi tersebut.
• Di dokumen baru atau di bagian yang headernya tidak disetel secara eksplisit, nilai defaultnya adalah True.
• Berlawanan dengan intuisi: meskipun bagian saat ini hanya mewarisi konten, setiap kali header.paragraphs diakses atau ada upaya untuk mengubah teks, python-docx akan secara otomatis membuat definisi header kosong dan menyetel is_linked_to_previous ke False.

Jadi, "melusuri semua bagian dan menerjemahkan header" itu berisiko. Untuk tajuk status tautan, pendekatan yang benar adalah melewati, bukan menerjemahkan. Hanya ketika is_linked_to_previous == False bagian tersebut memiliki teks sumber independen yang perlu dikirim ke proses penerjemahan.

Jika bisnis benar-benar mengharuskan suatu bagian menggunakan header terjemahan yang berbeda dari suatu tempat, Anda harus secara eksplisit mengatur is_linked_to_previous ke False terlebih dahulu, lalu melakukan penggantian konten, yang setara dengan operasi "batalkan tautan" di antarmuka Word.

📊 Perbandingan inti

Contoh sintesis: pemrosesan batas yang benar dan salah

Untuk memverifikasi logika pemrosesan, satu set sampel sintetis yang berisi tiga status dibuat di bawah ini. CATATAN: Ini adalah contoh sintetik yang digunakan untuk mendemonstrasikan logika, bukan file klien sebenarnya. Jika Anda ingin menguji dokumen asli, siapkan file .docx dengan setidaknya 3 pemisah bagian, campuran "tautan ke bagian sebelumnya" dan header independen, dan verifikasi bahwa file tidak dilindungi IRM dan konten header tidak dihasilkan secara dinamis oleh makro VBA.

Pengaturan masukan:

• Bagian 0: Header independen dengan teks "Bab Satu".
• Bagian 1: Tertaut ke bagian sebelumnya (is_linked_to_previous=True), tidak ada definisi independen.
• Bagian 2: Header independen dengan teks "Lampiran".

Hasil yang diharapkan benar:

• Header Bagian 0 diterjemahkan menjadi "Bab Satu".
• Bagian 1 tetap tertaut, tidak melakukan terjemahan, dan terus menampilkan "Bab 1" yang diwarisi.
• Header Bagian 2 diterjemahkan sebagai "Lampiran".

Kesalahan dan kasus tepi:

Jika skrip mengabaikan status tautan dan juga menjalankan paragraph.text = translate(...) pada Bagian 1, Bagian 1 akan menghasilkan definisi header baru. Secara visual mungkin terlihat benar untuk saat ini, namun struktur dokumen telah diubah.

Kasus tepi yang lebih serius adalah dokumen kosong atau dokumen tertaut sepenuhnya: jika semua bagian adalah True dan tidak memiliki definisi, mengakses paragraf akan memicu pembuatan baru. Kode aman harus memeriksa tanda Boolean sebelum membaca dan menulis, dan membuat penilaian defensif terhadap situasi "semua tautan, tanpa sumber", daripada memberikan nilai secara membabi buta.

Python mengimplementasikan ekstraksi header yang aman dan pemutusan tautan

Kode di bawah ini menunjukkan cara membuat sampel di memori dan menangani logika terjemahan header dengan aman. Itu bergantung pada perpustakaan python-docx. Silakan jalankan di lingkungan ketergantungan versi-terkunci Anda sendiri. Versi tersebut harus kompatibel dengan API 0.8.11 dan yang lebih baru.

Catatan: Kode ini adalah demonstrasi pengajaran. Itu tidak menerapkan retensi format run-level lengkap dan perlindungan kode domain, dan tidak dapat digunakan secara langsung di lingkungan produksi.

from docx import Document
from docx.shared import Pt

def safe_translate_headers(doc, translate_fn):
    """
    安全翻译页眉：仅处理独立定义的页眉，保留继承关系。
    translate_fn: 接受字符串返回译文的函数
    """
    processed_count = 0
    for i, section in enumerate(doc.sections):
        header = section.header
        # 核心守卫：仅当存在独立定义时才处理
        if header.is_linked_to_previous:
            print(f"Section {i}: Linked, skipping to preserve inheritance.")
            continue

        # 此时才安全访问 paragraphs，不会意外创建新定义
        for para in header.paragraphs:
            original_text = para.text.strip()
            if original_text:
                new_text = translate_fn(original_text)
                # 安全替换：保留run格式，避免直接赋值para.text
                # 实际生产环境应增加域代码(Field)检测与跳过逻辑
                full_text = ''.join(run.text for run in para.runs)
                if full_text.strip() == original_text:
                    # 简单场景：文本完全由runs组成
                    for run in para.runs:
                        run.text = ""
                    if para.runs:
                        para.runs[0].text = new_text
                    else:
                        para.add_run(new_text)
                else:
                    # 复杂场景：包含域代码或其他元素，此处仅作标记
                    print(f"Warning: Section {i} contains complex elements, manual review needed.")
                    continue

                processed_count += 1
                print(f"Section {i}: Translated '{original_text}' -> '{new_text}'")
    return processed_count

# --- 合成示例构建与断言 ---
doc = Document()
# Sec 0: 独立页眉
doc.sections[0].header.is_linked_to_previous = False
doc.sections[0].header.paragraphs[0].text = "Original Title"

# Sec 1: 添加新节并保持链接(默认即为True)
new_section = doc.add_section()
assert new_section.header.is_linked_to_previous is True

# Sec 2: 添加新节并断开链接
appendix_sec = doc.add_section()
appendix_sec.header.is_linked_to_previous = False
appendix_sec.header.paragraphs[0].text = "Appendix Data"

# 模拟翻译函数
mock_translate = lambda x: f"[ZH]{x}"
count = safe_translate_headers(doc, mock_translate)

# 验收断言
assert count == 2, "Should only translate 2 independent headers"
assert doc.sections[1].header.is_linked_to_previous is True, "Link must be preserved"
assert "[ZH]Original Title" in doc.sections[0].header.paragraphs[0].text
print("Logic validation passed.")

🎯 Metode mana yang cocok untuk Anda?

Jika Anda hanya membutuhkan terjemahan terpadu

Hanya header yang ditentukan secara independen yang diterjemahkan, dan bagian tertaut tetap utuh, sehingga Word dapat terus menggunakan header bagian induk.

Jika isi header setiap bagian berbeda

Lihat is_linked_to_previous bagian demi bagian. Bagian yang ditentukan secara independen diterjemahkan dan ditulis kembali; bagian yang memerlukan terjemahan berbeda dari bagian sebelumnya harus diputus secara eksplisit sebelum ditulis.

Jika struktur dokumen rumit atau terlindungi

Untuk dokumen yang menyertakan header tabel bertumpuk, konten header yang dihasilkan oleh makro VBA, atau perlindungan IRM, disarankan untuk mengabaikan pemrosesan otomatis dan beralih ke tinjauan manual.

Kriteria penerimaan dan garis merah tinjauan manual

Hanya karena kode berjalan tanpa kesalahan bukan berarti pengirimannya memenuhi syarat. Terjemahan header melibatkan semantik tata letak dan memerlukan penetapan serangkaian daftar periksa penerimaan yang berbeda dari teks utama. Tabel berikut mencantumkan pos pemeriksaan utama setelah otomatisasi.

Tidak berlaku: Logika di atas hanya berlaku untuk dokumen pemisah bagian berkelanjutan standar. Dokumen yang berisi header tabel bertingkat yang kompleks, konten yang dihasilkan secara dinamis dari makro VBA, atau dilindungi oleh IRM harus secara proaktif dibuang oleh skrip otomatis dan ditandai untuk ditinjau oleh manusia. "Kode dapat berjalan" tidak berarti "semua skenario batas telah tercakup".

Referensi dan langkah selanjutnya

• python-docx: Bekerja dengan Header dan Footer

Gunakan daftar periksa ini untuk terjemahan dokumen

Terjemahan kata dapat dengan mudah mengacaukan masalah konten dengan masalah pemformatan. Dengan mencantumkan item pemeriksaan seperti gaya, header, tabel, dll. secara terpisah dalam daftar pengiriman, peninjau akan mengetahui di mana harus memfokuskan pemeriksaan.

OmniDoc (portal produk) menyediakan portal terjemahan dokumen multi-format, dan situs resminya memperkenalkan fungsi OCR, glosarium, dan perbandingan bilingual. Jika tim Anda ingin memulai pemrosesan langsung dari file, Anda dapat mengevaluasi jalur ini dengan sampel nyata. Harap gunakan file yang tidak peka dan Anda mempunyai izin untuk mengunggahnya dan tinjau hasilnya menggunakan daftar periksa di artikel ini. Tidak ada klaim di sini bahwa OmniDoc menggunakan perpustakaan sumber terbuka atau algoritma internal yang disebutkan dalam artikel ini, dan contoh-contoh tersebut bukan pengganti pengujian kinerja produk.

❓ Pertanyaan yang Sering Diajukan (FAQ)

1. Mengapa status link berubah setelah mengakses paragraf header?

Ketika python-docx mengakses paragraf atau mengubah teks, maka secara otomatis akan membuat definisi header kosong dan mengatur is_linked_to_previous ke False. Jadi bendera ini harus diperiksa sebelum membaca.

2. Semua bagian berada dalam status tautan dan tidak memiliki definisi. Apa yang harus saya lakukan?

Periksa bendera Boolean sebelum membaca dan menulis, buat penilaian defensif pada situasi "semua tautan, tanpa sumber", dan jangan menetapkan nilai secara membabi buta.

3. Setelah kode dijalankan, apakah dapat dikirimkan?

TIDAK. Apakah panjang terjemahannya melebihi, apakah halaman ganjil-genap dan header halaman beranda sudah benar, semuanya memerlukan tinjauan manual, dan kode tidak dapat melihat hasil rendering visual.

4. Apakah nomor halamannya bisa diterjemahkan bersamaan?

Ini tidak boleh diterjemahkan. Kode bidang seperti nomor halaman dan tanggal harus dipertahankan. Skrip hanya menerjemahkan teks biasa Jalankan dan lewati FieldRun.

5. Bisakah kode ini digunakan langsung di lingkungan produksi?

tidak bisa. Ini adalah demonstrasi pengajaran dan tidak menerapkan pelestarian format run-level lengkap dan perlindungan kode domain. Bagian-bagian ini perlu diselesaikan dan diuji dengan file asli sebelum online.

📝 Ringkasan

Kunci untuk menerjemahkan header adalah pertama-tama menentukan status pewarisan bagian tersebut, lalu memutuskan apakah akan menerjemahkan atau melewatkannya. Setelah memeriksa daftar penerimaan, serahkan ke tinjauan manual untuk tata letak.

Coba sekarang: Unggah dokumen untuk memulai penerjemahan, dengan tetap mempertahankan tata letak aslinya