OmniDocМұқаба, рим цифрлары және мәтіннің бірінші беті: PDF беттерінің нөмірлерін араластырмаңыз
Бет белгісі ережелері бастау емес, бірінші бет нөмірін пайдаланады. Мұқабада тек префикс болса, қайта оқылатын ереже сөздігінде мәнер болмауы мүмкін; маңыздырақ тексеру әрбір физикалық бет үшін get_label нәтижелерін тексеру болып табылады. Көрсеткіш тегі жалғыз бет идентификациясы емес.
PDF файлының бет нөмірлерінің белгілері жай көзбен көретін бет нөмірлерімен міндетті түрде сәйкес келмейді. Бір файлда мұқаба, рим цифрының алғы сөзі және 1-беттен бастап қайта нөмірленген мәтін араласқанда, көрсетілген бет нөмірі мен бағдарлама оқыған нәтижеге сәйкес келмеуі оңай. Бұл мақала бет нөмірлерінің белгілерін өздері жасауы немесе тексеруі қажет адамдарға арналған.
Мұны оқығаннан кейін сіз бастапқы нөмірде start орнына firstpagenum қолданылуы керек екенін, мұқабада тек префикс болған кезде неге get_label бет сайын шақырылатынын және дисплей белгісін беттің бірегей сәйкестігі ретінде неге пайдалануға болмайтынын білесіз.
PDF бетінің нөмір белгілерін қалай орнатуға болады? Бір сөйлемнен қорытынды
Бет нөмірі жапсырма ережелері үшін firstpagenum пайдаланыңыз. Қабылдау кезінде физикалық беттер үшін get_label нәтижелерін бір-бірден тексеріңіз және беттің бірегей сәйкестігінің орнына дисплей белгісін сілтеме ретінде пайдаланыңыз.
| сіздің жағдайыңыз | Ұсынылатын тәжірибелер | себебі |
|---|---|---|
| Мұқабада тек префикс бар | Жапсырмалардың әрбір бетін оқу үшін get_label пайдаланыңыз | Қайта оқу ережесі сөздігінде style болмауы мүмкін және тікелей индекстеу қателерге бейім. |
| Мәтіннің бастапқы нөмірін орнату керек | firstpagenum пайдаланыңыз | Бұл мақаладағы ережелер firstpagenum негізінде жасалған, start пайдаланылмайды |
| Бет қайталанатын тегтерді көрсетеді | Сондай-ақ физикалық бет индексін сақтаңыз | Көрсету тегі бірегей бет идентификациясы емес |
| Құжаттағы араб цифрларымен аралас рим цифрлары | Белгілерді бет бойынша тексеріңіз | Физикалық бет нөмірлері үшін рим сандарын қателеспеңіз |
Осы мақалада шешілетін мәселе
Ереже өрістері үшін бірінші бет нөмірін пайдаланыңыз
Бет белгісі ережелері start емес, firstpagenum пайдаланады. Орнатқан кезде қателік жібергеннен кейін күтпеген санды алмау үшін өріс атауын қараңыз.
Мұқабада тек префикс болған кезде оқу әдісі
Мұқабада тек префикс болса, қайта оқылатын ереже сөздігінде style болмауы мүмкін. Сондықтан style тікелей индекстеудің орнына get_label әрбір физикалық бетінің нәтижелерін тексеріңіз.
Көрсету тегі бірегей емес
Дисплей белгілері қайталануы мүмкін, мысалы, әртүрлі тарауларда «1» пайда болады. Белгілі бір бетті табу қажет болса, беттің физикалық индексі де сақталуы керек.
Өзіндік композицияның мысалы
Тәуелділіктерді импорттау тізімін қараңыз. Код жадтағы енгізуді құрастырады және іске қосу жазбалары бөлек беріледі және барлық нақты файлдардың кепілдігін көрсетпейді.
import pymupdf
with pymupdf.open() as source:
for _ in range(4):
source.new_page()
source.set_page_labels([
{"startpage": 0, "prefix": "Cover", "style": "", "firstpagenum": 1},
{"startpage": 1, "prefix": "", "style": "r", "firstpagenum": 1},
{"startpage": 3, "prefix": "", "style": "D", "firstpagenum": 1},
])
raw = source.tobytes()
with pymupdf.open(stream=raw, filetype="pdf") as doc:
assert [page.get_label() for page in doc] == ["Cover", "i", "ii", "1"]
assert len(doc.get_page_labels()) == 3
assert doc.get_page_labels()[0].get("style", "") == ""
assert doc.page_count == 4Жұмыс ортасы және сақтық шаралары
Бұл мақалада өңдеу әдісін көрсету үшін синтетикалық үлгілер пайдаланылады. Код оқшауланған ортадағы мысалдармен тексерілді және барлық нақты файлдардың немесе өнім өнімділігінің кепілі емес. Маңызды құжаттарды өңдеуден бұрын түпнұсқаларды сақтап, мәтіндегі шекаралар мен қабылдау элементтеріне сәйкес қарап шығыңыз.
Егер сіздің ортаңызда бекіту сәтсіз болса, алдымен PyMuPDF нұсқасын тексеріңіз және бет нөмірі белгісі өріс атауы дұрыс пайдаланылғанына көз жеткізіңіз (осы мақаладағы ережелер start емес, firstpagenum пайдаланады).
Қабылдау критерийлері және қолмен тексеру шектері
Келесі қабылдау элементтері құрылымдық PDF файлдарының код деңгейіндегі тексерулеріне ғана қолданылады:
- Мұқабасы, рим цифрының алғы сөзі және негізгі мәтіні бар сынақ PDF құрастырыңыз.
get_labelнөміріне физикалық беттерге бір-бірден қоңырау шалыңыз және әрбір бет үшін қайтарылған белгілерді жазыңыз.- Негізгі мәтіннің мұқаба префиксі, рим цифры абзацтары және бастапқы бет нөмірленуі күтілгендей екенін тексеріңіз.
- Белгілерді көшіру кезінде беттің физикалық индексінің бір уақытта сақталғанын тексеріңіз.
Сондай-ақ, түпкілікті әсерлерді рендеринг тексеруімен біріктіру қажет. Кейбір оқырмандар заңсыз тег ережелерін елемейді, бұл дисплей нәтижелерінің бағдарламаны талдау нәтижелеріне сәйкес келмеуіне әкеледі. Бұл жағдайда оқырманның өнімділігі емес, PDF сипаттамалары басым болуы керек.
📊 Негізгі салыстыру
Төмендегі кестеде бірнеше қалыптан тыс жағдайларда не істеу керек және нені қорытындылауға болмайды:
| байқау | Не істеу керек | және оны соттауға болмайды |
|---|---|---|
| Мұқабадағы префикс | get_label-ды оқыңыз | style-ды индекстемеңіз |
| Жапсырманы қайталаңыз | Сонымен қатар, физикалық бет индексі сақталады | Дисплей жапсырмалары негізгі кілт ретінде қарастырылмауы тиіс |
| Аралас нөмірлеу | Әр бетке белгілеу | Рим сандарын физикалық бет нөмірі ретінде қарастырмаңыз |
Құжат аудармасында тексеру тізімдерін қолданыңыз
Алдымен бет тәртібін, бастапқы орнын және мәтіннің тұтастығын тексеріңіз, содан кейін сол десенсибилизация үлгісін аударма процесіне жіберіңіз. Аудармадан кейін атау, негізгі мәтін және жазулардың дұрыс сәйкестігін тексеру қажет; мәтіннің еркін сөйлегеніне қарап бағалау жеткіліксіз.
OmniDoc (Өнім жазбасы) көп форматты құжат аударма порталдарын ұсынады, ал ресми сайты OCR, терминология және екі тілде анықтамалық мүмкіндіктерді енгізеді. Егер файлдан тікелей бастағыңыз келсе, бұл жолды нақты үлгілермен бағалай аласыз. Жүктеуге құқығыңыз бар Anxious файлын пайдаланып, осы мақаладағы тексеру тізімінің нәтижелерін тексеріңіз. Бұл мақалада OmniDoc мақалада аталған ашық бастапқы кодты кітапханалар мен ішкі алгоритмдерді қолданады деп айтылмаған, сондай-ақ мысалдар өнімділікті тестілеуін алмастырмайды.
Әдебиеттер
🎯 Қай әдіс саған ыңғайлы?
Егер мұқабаңда тек префикс болса
get_label арқылы нәтижелерді бет-бет бойынша тексеріңіз; style-ды тікелей индекстемеңіз.
Егер негізгі мәтінді 1-беттен нөмірлеуді орнатқыңыз келсе
firstpagenum қолданыңыз, start қолданбаңыз.
Егер бетіңізде қайталанатын тегтер көрсетілсе
Сонымен қатар, физикалық бет индексін сақтаңыз; дисплей белгілерін бірегей идентификатор ретінде қарастырмаңыз.
Егер құжаттарды аударма процесіне тапсырғыңыз келсе,
Алдымен бет тәртібі мен мәтіннің толықтығын тексеріңіз, содан кейін атауын, негізгі мәтінді және субтитрлерді тексеріңіз.
❓ Жиі қойылатын сұрақтар (FAQ)
1. Бет нөмірін start немесе firstpagenum-нан бастау керек пе?
firstpagenum-ды осы мақаладағы ережелерге сәйкес қолданыңыз, start емес.
2. Неге ережелер сөздігіндегі стильді оқымасқа?
Егер мұқабада тек префикс болса, артқа оқу ереже сөздігі style-ді алып тастауы мүмкін, ал тікелей индекстеу қателер тудыруы мүмкін.
3. Дисплей жапсырмалары бетте бірегей идентификатор бола ала ма?
Жоқ. Дисплей тегтері бірегей бет идентификаторлары емес; егер тегтер қайталанатын болса, физикалық бет индексі бір уақытта сақталуы керек.
4. Егер код тексеруден өтсе, бұл оқырманның тұрақты көрсетілетінін білдіре ме?
Жоқ. Код деңгейіндегі қабылдау толық нәтижелерге теңеспейді; кейбір оқырмандар заңсыз тег ережелерін елемейді, сондықтан рендерлеу тексерісі мен PDF спецификацияларын орындау қажет.
📝 Қысқаша мазмұны
Бет нөмірін белгілеудің кілті — дұрыс өрістерді пайдалану, бет-бет бойынша тексеру және физикалық бет индексін сақтау. Маңызды құжаттарды қолға алмас бұрын, жоғарыдағы тексеруді десенсибилизацияланған үлгімен аяқтаңыз.
Қазір тәжірибе алыңыз: Құжатыңызды жүктеп, түпнұсқа форматтауды сақтап, аударуды бастаңыз
