Prečo preklad DOCX stráca tučné písmo? Najprv nechajte beh a potom hovorte o výmene celej sekcie.
DOCX tučné písmo a kurzíva stratené po preklade? Problém je asi v tom, že je vymenený celý úsek a zbeh je odplavený. Tento článok používa python-docx na uloženie formátu spustenia jeden po druhom a po uložení si ho znova prečítajte a prijmite. Ak narazí na zložitú štruktúru alebo sa segment nezhoduje, priamo ho odmietne nahradiť.
Po preklade DOCX sa stratí tučné písmo, kurzíva a veľkosť písma. Bežným dôvodom je, že obsah odseku je priamo nahradený celým textom, čím sa odstráni pôvodný formát na úrovni spustenia. Keď preklad dostane mnoho tímov, bežnou reakciou je, že vo Worde chýba formát zvýraznenia. Tento článok je vhodný pre vývojárov, ktorí používajú python-docx na spracovanie DOCX, ako aj pre editorov, ktorí potrebujú dodávať dvojjazyčné dokumenty.
Zdá sa, že odsek má vo Worde iba jednu vetu, ale v DOCX sa môže skladať z viacerých cyklov: obyčajný text, zdôraznený text, zmeny veľkosti písma a hypertextové odkazy a iné štruktúry, ktoré nepatria do bežného zoznamu spustení. Po prečítaní tohto článku budete vedieť, kde sa zvyčajne skrýva problém, ako odpísať preklady po spustení a kedy by ste mali odmietnuť automatické nahradzovanie.
Čo mám robiť, ak sa formát DOCX po preklade stratí? Záver jednou vetou
Najprv obmedzte spracovanie len na odseky bežného textu, zapíšte preklad jeden po druhom späť podľa pôvodného poradového čísla, uložte ho a znova si ho prečítajte na prijatie; ak narazí na zložitú štruktúru alebo sa segment nezhoduje, náhradu priamo odmietnite.
| vaša situácia | Odporúčané postupy | dôvod |
|---|---|---|
| Odseky majú len normálny priebeh textu | Zapíšte preklady jeden po druhom podľa poradového čísla cyklu | Hranice formátu pre každý cyklus sú zachované |
| Odseky obsahujú hypertextové odkazy, obrázky, polia, zlomy riadkov alebo tabulátory | Explicitne odmietnuť a presunúť do špeciálneho procesu | Kód tieto prvky v tichosti nesplošťuje |
| Počet alebo poradie prekladových segmentov nie je konzistentné s pôvodným spustením | Namiesto toho, aby ste sa zaoberali existujúcimi sériami, použite stratégie preformátovania alebo manuálnu kontrolu | Nútená korešpondencia naruší formát |
| Je potrebné potvrdiť výsledok spätného odpísania | Po uložení súbor znova otvorte a prijmite ho. | Vyhnite sa kontrole iba objektov v pamäti |
Priamo priraďte hodnotu paragraph.text | vyhnúť sa používaniu | Existujúci obsah odseku bude nahradený novým textom a formátovanie na úrovni spustenia sa automaticky nezachová. |
Kde je problém: Nahradením celého odseku sa vymaže formát chodu
Priame priradenie hodnoty do paragraph.text nahradí existujúci obsah odseku novým textom. Štýly na úrovni odseku možno zachovať, ale pôvodné formátovanie na úrovni spustenia sa automaticky nezachová. Toto správanie je výslovne zdokumentované v textové API python-docx.
Výsledok prekladu vyzerá presne, ale formát je úplne preč. Toto je pravdepodobne dôvod.
Rozsah použitia: Formát je zachovaný, ale to neznamená, že boli vyriešené iné problémy.
Testovacie záznamy tohto článku pochádzajú z lokálne syntetizovaného DOCX, nie zo snímok obrazovky zo stroja. Rieši „obmedzenú výmenu bez straty formátu". Nerieši automaticky zmeny syntaxe medzi jazykmi, ani nezabezpečuje, že stránkovanie zostane po preklade nezmenené.
Najprv obmedzte rozsah, ktorý možno bezpečne upraviť
Tento zhustený príklad akceptuje iba odseky pozostávajúce z obyčajného textu. Ak odsek obsahuje hypertextové odkazy, obrázky, polia, zlomy riadkov, tabulátory alebo iné zložité uzly XML, výslovne ho odmietnite a presmerujte volajúceho na špecializovaný proces. Kód tieto prvky ticho nesploští.
Vstup prekladu nie je ľubovoľný zoznam reťazcov: každý výsledok musí mať sériové číslo pôvodného cyklu a pred začatím úpravy sa musí zhodovať číslo, poradie a typ. Overenie sa umiestni pred zápisom, aby sa predišlo problémom s nasledujúcimi poľami po aktualizácii v polovici.
Minimálny test, ktorý je možné spustiť opakovane
Testovacie prostredie jepython-docx==1.2.0. Angličtina tu pochádza z ručne písaných fixných porovnaní, ktoré sa používajú na overenie štruktúry a nevyvolávajú strojový preklad.
from docx import Document
from docx.oxml.ns import qn
def replace_plain_runs(paragraph, translated):
if any(child.tag not in {qn("w:pPr"), qn("w:r")}
for child in paragraph._p):
raise ValueError("paragraph contains unsupported structures")
runs = paragraph.runs
for run in runs:
if any(child.tag not in {qn("w:rPr"), qn("w:t")}
for child in run._r):
raise ValueError("run contains a field, image or control")
if len(translated) != len(runs):
raise ValueError("segment count mismatch")
for index, item in enumerate(translated):
if (not isinstance(item, dict) or item.get("id") != index
or not isinstance(item.get("text"), str)
or any(ch in item["text"] for ch in "\t\r\n")):
raise ValueError("segment identity or text mismatch")
for run, item in zip(runs, translated):
run.text = item["text"]
def signature(paragraph):
return [(r.text, r.bold, r.italic) for r in paragraph.runs]
doc = Document()
p = doc.add_paragraph()
p.add_run("请在 ")
p.add_run("周五之前").bold = True
p.add_run(" 提交报告。")
before = signature(p)
try:
replace_plain_runs(p, [{"id": 0, "text": "Incomplete"}])
raise AssertionError("bad segments accepted")
except ValueError:
assert signature(p) == before
replace_plain_runs(p, [
{"id": 0, "text": "Submit the report "},
{"id": 1, "text": "before Friday"},
{"id": 2, "text": "."},
])
doc.save("translated-runs.docx")
restored = Document("translated-runs.docx").paragraphs[0]
assert restored.text == "Submit the report before Friday."
assert restored.runs[1].bold is True
assert len(restored.runs) == 3
complex_p = doc.add_paragraph("keep")
complex_p.runs[0].add_break()
try:
replace_plain_runs(complex_p, [{"id": 0, "text": "reject"}])
raise AssertionError("line break accepted")
except ValueError:
assert complex_p.text == "keep\n"
print("PASS count mismatch: no partial write")
print("PASS save/reopen: 3 runs, emphasis preserved")
print("PASS unsupported control: rejected")
print(signature(restored))
Po uložení znova otvorte translated-runs.docx a potom ho prijmite, aby ste sa vyhli kontrole iba objektov v pamäti.
Prečo nedať každý chod prekladateľovi jednotlivo?
run je hranica formátu, nie sémantická hranica. História úprav programu Word môže tiež rozdeliť slovo do viacerých cyklov. Izolované preklady stratia kontext; slovosled rôznych jazykov môže tiež presunúť dôraz na začiatok alebo koniec vety.
Samotné generovanie prekladu by malo poskytnúť kontext ako úplné segmenty a potom vrátiť overené štruktúrované segmenty. Ak vrátený výsledok nemá rovnakú dĺžku ako pôvodný, nevkladajte ho do existujúceho cyklu. Vyžaduje sa jasná stratégia preformátovania alebo manuálna kontrola. Jednoduchý príklad v tomto článku môže obsahovať iba tri fragmenty, ale nemožno to zovšeobecniť na všetky jazyky.
Rozdeľte prijatie do troch úrovní
| úrovni | Skontrolujte obsah | Pokrýva tento článok |
|---|---|---|
| dátovú štruktúru | Po uložení spustite množstvo, objednávku, tučný podpis a obnovenie | Prepíšte tento obmedzený príklad |
| sémantický obsah | Termíny, negatívne slová, dátumy, sumy, vynechania | Nepokryté; vyžaduje nezávislú korektúru |
| vizuálne rozloženie | Vrátenie písma, zlomy riadkov, čísla strán, pretečenie tabuľky | Nepokryté; je potrebné vykresliť a znova skontrolovať |
_p a _r sú interné vlastnosti, ktoré sa tu používajú na kontrolu XML. Pri inovácii python-docx musíte opraviť verziu a znova spustiť test. Nemôžete predpokladať, že vnútorná štruktúra sa nikdy nezmení. Keď potrebujete spracovať tabuľky, hlavičky, päty, textové polia a stopy revízií, musíte tiež samostatne vymenovať rozsahy obsahu, pretože document.paragraphs nemôže reprezentovať celý text v dokumente.
Stav zastavenia pred doručením
Nepodporované štruktúry, nezhodné segmenty, chýbajúce fonty, zmeny dôležitých polí, to všetko by malo zabrániť automatickému doručeniu. Uložte pôvodný súbor ako iba na čítanie, zapíšte preklad do nového súboru a pripojte jazyk, verziu spracovania a záznam o manuálnom prijatí. Je to lepší ukazovateľ kvality ako „úspešne ukladať".
Ak potrebujete prejsť od nahrávania dokumentov k procesu prekladu a kontroly, môžete si pozrieť Produktový portál OmniDoc. Príklady kódu v tomto článku sú nezávislé príklady výučby knižníc s otvoreným zdrojovým kódom a nepredstavujú implementáciu aktuálneho nástroja na importovanie alebo rozloženie OmniDoc. Existuje len jeden základný princíp: zaobchádzať s formátom ako s údajmi, ktoré treba akceptovať, a nie s preloženým bonusom.
📊 Základné porovnanie
| prax | Hlavné riziká | Návrhy uvedené v článku |
|---|---|---|
Priamo priraďte hodnotu paragraph.text | Formátovanie na úrovni spustenia sa automaticky nezachová | Nepoužíva sa pre odseky, ktoré potrebujú zachovať formátovanie |
| Spustite izolované preklady jeden po druhom | Kontext sa stratí, zmeny poradia slov môžu presunúť dôraz | Poskytnite kontext ako úplné segmenty |
| Po preložení celého segmentu ho potvrďte stlačením tlačidla Spustiť a zapíšte ho späť. | Ak vrátený výsledok nemá rovnakú dĺžku ako pôvodný cyklus, nemôže byť ťažké ho korešpondovať. | Namiesto toho použite stratégiu preformátovania alebo manuálnu kontrolu |
🎯 Ktorá metóda je pre vás vhodná?
Ak váš odsek obsahuje iba normálny text
Podľa minimálneho príkladu v tomto článku najskôr overte sériové číslo, množstvo, objednávku a typ, potom po jednom odpíšte, uložte a znova prečítajte na prijatie.
Ak váš odsek obsahuje hypertextové odkazy, polia alebo obrázky
Priamo odmietnite automatickú výmenu a preneste ju do špeciálneho procesu. Kód tieto štruktúry potichu nesplošťuje.
Ak doručujete formálnu dvojjazyčnú dokumentáciu
Uložte pôvodný súbor ako iba na čítanie, zapíšte preklad do nového súboru a pripojte záznamy o jazyku, verzii spracovania a manuálnom prijatí. Chýbajúce písma, zmeny v dôležitých poliach, nesúlad segmentov atď. by mali brániť automatickému doručovaniu.
❓ Často kladené otázky (FAQ)
1. Stratí sa tučné písmo, ak priamo priradíte hodnotu odseku.text?
stretnutie. Štýly na úrovni odseku možno zachovať, ale pôvodné formátovanie na úrovni spustenia sa automaticky nezachová.
2. Prečo nedať každý chod prekladateľovi jednotlivo?
run je skôr hranicou formátu než sémantickou hranicou. Izolovaný preklad jeden po druhom stratí kontext a slovosled rôznych jazykov môže tiež presunúť dôraz na začiatok alebo koniec vety.
3. Znamená úspešné uloženie, že formát je v poriadku?
nemôže. Dátové štruktúry akceptovania súboru by sa mali po uložení znova otvoriť; sémantický obsah a vizuálne usporiadanie je potrebné skontrolovať samostatne.
4. Čo by som mal venovať pozornosť pri inovácii python-docx?
Kód využíva interné vlastnosti _p a _r. Musíte opraviť verziu a znova spustiť test. Nemôžete predpokladať, že vnútorná štruktúra sa nikdy nezmení.
📝 Zhrnutie
Existuje len jeden základný princíp: zaobchádzať s formátom ako s údajmi, ktoré treba akceptovať, a nie s preloženým bonusom. Príklady kódu v tomto článku sú nezávislé príklady výučby knižníc s otvoreným zdrojovým kódom a nepredstavujú implementáciu aktuálneho nástroja na importovanie alebo rozloženie OmniDoc.
Skúste to teraz: Odovzdajte dokument a spustite preklad, pričom sa zachová pôvodné rozloženie


