OmniDocApakah link masih berfungsi setelah menerjemahkan PDF: Buat daftar link terlebih dahulu
Apakah tautannya masih berfungsi setelah PDF diterjemahkan? Mulailah dengan membuat daftar tautan. Protokol hanya menunjukkan bahwa pemeriksaan format telah lolos dalam daftar yang diizinkan, namun tidak berarti bahwa situs web target dapat dipercaya; contohnya hanya diinventarisasi dan diklasifikasikan, dan tidak ada tautan yang diakses. Lompatan internal menggunakan nomor halaman berbasis nol, yang perlu dipetakan ulang setelah pemisahan atau penggabungan.
Setelah PDF diterjemahkan, tautan eksternal, lompatan internal, dan tindakan lokal dalam dokumen mungkin menjadi tidak valid atau mengarah ke lokasi yang salah. Banyak tim tidak menemukan masalah ini sampai sebelum pengiriman, dan biaya pengerjaan ulang tinggi. Jika Anda bertanggung jawab atas penerjemahan dokumen, migrasi basis pengetahuan, atau proses penerbitan, artikel ini dapat membantu Anda menginventarisasi tautan sebelum pengiriman.
Metode berikut ini pertama-tama mengklasifikasikan tautan, lalu memutuskan cara menanganinya berdasarkan kategori. Kode sampel hanya melakukan inventarisasi dan klasifikasi, dan tidak mengakses atau mengaktifkan tautan apa pun. Setelah membaca ini, Anda seharusnya bisa membuat daftar link dan mencari tahu link mana yang hanya perlu ditandai dengan persetujuan, mana yang perlu mencatat nomor halaman target, dan mana yang harus diserahkan ke tinjauan manusia.
Apakah tautan masih berfungsi setelah PDF diterjemahkan? Kesimpulan satu kalimat
Apakah tautan dapat terus digunakan setelah penerjemahan bergantung pada inventarisasi yang jelas mengenai jenis setiap tautan dan kemudian memprosesnya secara terpisah berdasarkan jenisnya; skrip hanya bertanggung jawab untuk mengkategorikan dan tidak mengakses tautan.
| situasi Anda | Praktik yang direkomendasikan | alasan |
|---|---|---|
| Dokumen berisi tautan HTTP eksternal | Hanya tandai protokol yang diperbolehkan dan simpan catatan inspeksi | Izin perjanjian tidak berarti bahwa situs web target dapat dipercaya, dan keandalannya perlu diperiksa secara terpisah. |
| Dokumen tersebut berisi lompatan internal | Catat nomor halaman target berbasis nol | Nomor halaman akan berubah setelah pemisahan atau penggabungan dan memerlukan pemetaan ulang. |
| Dokumen berisi tindakan lokal | Ditandai untuk tinjauan manual dan tidak dibuka atau dijalankan | Tindakan lokal tidak boleh dijalankan secara otomatis |
| PDF OCR atau diformat ulang | Periksa secara manual apakah persegi panjang tautan sejajar dengan teks yang terlihat | Tautan itu sendiri tidak aman dan pengalaman pengguna mungkin rusak |
Masalah mana yang harus diselesaikan terlebih dahulu di artikel ini?
Jika protokol tautan ada dalam daftar yang diizinkan, itu hanya berarti pemeriksaan format telah lolos, namun tidak berarti situs web target dapat dipercaya. Contohnya hanya diinventarisasi dan dikategorikan, tidak ada tautan yang diakses atau dimulai. Nomor halaman lompat internal menggunakan pengindeksan berbasis nol dan harus dipetakan ulang setelah pemisahan atau penggabungan.
Contoh komposisi mandiri
Lihat daftar impor untuk dependensi. Kode membuat masukan dalam memori, dan catatan proses disediakan secara terpisah dan tidak mewakili jaminan semua file sebenarnya.
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"Contoh ekstraksi tautan PyMuPDF dan pemeriksaan keamanan
Contoh ini ditulis untuk mengikuti perilaku API PyMuPDF: tautan bertipe LINK_GOTO menggunakan kunci page, dan nomor halaman dimulai dari 0, bukan topage atau firstpagenum. get_text() mengembalikan seluruh konten tanpa parameter clip.
Contoh ini berisi dua pernyataan yang meliputi jalur normal dan kondisi batas kritis.
Daftar periksa penerimaan tautan dan batasan tinjauan manual
Kode dapat melengkapi klasifikasi mekanis, namun tidak dapat menggantikan penilaian bisnis. Tabel berikut mencantumkan status tautan umum dan keputusan pemrosesan terkait, memperjelas batasan antara peninjauan otomatis dan manual.
Kode hanya dapat memastikan bahwa logika klasifikasi sudah benar. Apakah tautan tersebut harus dipertahankan dan apakah salinannya perlu diperbarui harus diputuskan oleh seseorang yang akrab dengan bisnis dokumen. Terutama setelah PDF di-OCR atau diformat ulang, persegi panjang tautan mungkin tidak sejajar dengan teks yang terlihat. Pada titik ini, meskipun tautan itu sendiri aman, pengalaman pengguna telah disusupi dan memerlukan penyesuaian manual.
📊 Perbandingan inti
Tabel di bawah ini membandingkan perlakuan berdasarkan jenis tautan, dengan setiap baris hanya mencantumkan apa yang harus dilakukan dan kesimpulan apa yang tidak boleh dibuat.
| mengamati | apa yang harus dilakukan | tidak boleh disimpulkan |
|---|---|---|
| Tautan HTTP | Hanya tandai protokol yang diperbolehkan | Kredibilitas target diperiksa secara terpisah |
| Pengalihan internal | Catat halaman target nol-basis | Memetakan ulang setelah dekombinasi |
| Aksi lokal | Tandai tinjauan manual | Tidak dibuka atau dieksekusi |
Referensi dan Langkah Selanjutnya
- Dokumentasi resmi PyMuPDF Page.get_links(): https://pymupdf.readthedocs.io/en/latest/page.html#Page.get_links
- Deskripsi sistem koordinat PyMuPDF (memahami posisi persegi panjang penghubung): https://pymupdf.readthedocs.io/en/latest/page.html#coordinates
Disarankan agar Anda memilih PDF representatif yang berisi beberapa jenis tautan, menjalankan skrip klasifikasi di atas di lingkungan lokal Anda, dan menghasilkan laporan audit tautan. Berdasarkan proporsi item "tinjauan manual" dalam laporan, sesuaikan konstanta kebijakan keamanan atau tambahkan daftar putih. Hanya ketika isi laporan stabil dan dapat dijelaskan, maka konten tersebut dimasukkan dalam proses penerimaan pengiriman terjemahan formal.
Gunakan daftar periksa ini untuk terjemahan dokumen
Pertama, periksa urutan halaman, lokasi sumber, dan integritas teks, lalu kirimkan sampel desensitisasi yang sama ke proses terjemahan. Setelah diterjemahkan, masih perlu diperiksa apakah judul, teks utama, dan keterangan sesuai dengan benar; tidak cukup hanya menilai dari apakah teks tersebut lancar.
OmniDoc (Entri Produk) menyediakan portal terjemahan dokumen multi-format, dan situs resmi memperkenalkan OCR, glosarium, serta fitur referensi dwibahasa. Jika Anda ingin memulai langsung dari file, Anda dapat mengevaluasi jalur ini dengan sampel nyata.
Silakan gunakan file anonim yang telah Anda otorisasi untuk unggah dan verifikasi hasilnya dengan daftar periksa di artikel ini. Ini tidak mengklaim bahwa OmniDoc menggunakan pustaka open-source atau algoritma internal yang disebutkan dalam artikel ini, dan contoh-contoh tersebut tidak menggantikan pengujian kinerja produk.
🎯 Metode mana yang cocok untukmu?
Jika Anda perlu dengan cepat menentukan apakah sebuah tautan bisa disimpan,
Mari kita lihat dulu jenis tautannya. Tautan HTTP eksternal hanya melakukan pemeriksaan protokol; kredibilitas target perlu diverifikasi secara terpisah.
Jika PDF Anda telah dipisah atau digabungkan
Petakan ulang nomor halaman dari lompatan internal, catat halaman target nol-dasar, lalu lakukan penerimaan.
Jika PDF Anda telah menjalani OCR atau diformat ulang
Periksa setiap persegi panjang tautan untuk memastikan teks yang terlihat sejajar; langkah ini tidak dapat dilakukan hanya dengan skrip.
Jika Anda perlu memproses beberapa dokumen secara massal
Pertama, sampel representatif digunakan untuk menghasilkan laporan audit, dan setelah memastikan laporan tersebut stabil dan dapat diinterpretasikan, kemudian dipromosikan ke proses formal.
❓ Pertanyaan yang Sering Diajukan (FAQ)
1. Jika perjanjian tautan lolos pemeriksaan, apakah itu berarti Anda bisa mengklik tautan dengan percaya diri?
Tidak. Pemeriksaan protokol hanya menunjukkan bahwa format ini telah lolos; apakah situs web target dapat dipercaya perlu dikonfirmasi secara terpisah.
2. Setelah memisahkan atau menggabungkan PDF, bagaimana seharusnya pengalihan internal ditangani?
Nomor halaman internal menggunakan indeks nol-dasar; setelah dipisahkan atau digabungkan, mereka perlu di-reapp.
3. Apakah skrip bisa secara otomatis memutuskan tautan mana yang akan dipertahankan?
Tidak. Kode hanya menyelesaikan klasifikasi mekanis; apakah tautan dipertahankan dan penulisan salinan diperbarui tergantung pada mereka yang familiar dengan bisnis tersebut.
4. Tautan itu sendiri sudah baik, jadi kenapa pengalaman itu masih bisa salah?
Setelah OCR atau pemformatan ulang, persegi panjang tautan mungkin tidak sejajar dengan teks yang terlihat dan memerlukan verifikasi manual.
5. Apakah kode contoh akan mengakses tautan dalam dokumentasi?
Tidak. Contoh ini hanya menginventarisasi dan mengkategorikan tanpa mengakses atau meluncurkan tautan apa pun.
📝 Ringkasan
Untuk masalah tautan setelah menerjemahkan PDF, pertama-tama gunakan daftar periksa inventaris, lalu penilaian manual. Skrip bertanggung jawab untuk kategorisasi, sementara keputusan bisnis dan verifikasi pengalaman memerlukan pekerjaan manual.
Rasakan sekarang: Unggah dokumen Anda untuk mulai menerjemahkan, mempertahankan format asli
