Budú odkazy fungovať aj po preklade PDF: Najprv vytvorte zoznam odkazov
Bude odkaz fungovať aj po preložení PDF? Začnite vytvorením zoznamu odkazov. Protokol iba indikuje, že kontrola formátu prešla v zozname povolených, ale neznamená, že cieľová webová lokalita je dôveryhodná; príklady sú len inventarizované a klasifikované a nie sú prístupné žiadne odkazy. Vnútorné skoky používajú čísla strán založené na nule, ktoré je potrebné po rozdelení alebo zlúčení premapovať.
Po preklade PDF môžu byť externé odkazy, interné skoky a miestne akcie v dokumente neplatné alebo môžu ukazovať na nesprávne miesto. Mnohé tímy tieto problémy objavia až tesne pred dodaním a náklady na prepracovanie sú vysoké. Ak ste zodpovední za preklad dokumentov, migráciu databázy znalostí alebo procesy publikovania, tento článok vám môže pomôcť inventár odkazov pred doručením.
Nasledujúca metóda najprv klasifikuje odkazy a potom sa rozhodne, ako s nimi naložiť podľa kategórií. Vzorový kód robí iba inventár a klasifikáciu a nepristupuje ani neaktivuje žiadne odkazy. Po prečítaní tohto článku by ste mali byť schopní zostaviť zoznam odkazov a zistiť, ktoré odkazy je potrebné označiť iba súhlasom, ktoré musia zaznamenať cieľové číslo stránky a ktoré je potrebné predložiť na kontrolu človekom.
Bude odkaz fungovať aj po preklade PDF? Záver jednou vetou
To, či sa odkazy môžu po preklade naďalej používať, závisí od jasnej inventarizácie typov každého odkazu a ich následného spracovania oddelene podľa typu; skript je zodpovedný iba za kategorizáciu odkazov a nie za prístup k nim.
| vaša situácia | Odporúčané postupy | dôvod |
|---|---|---|
| Dokument obsahuje externý odkaz HTTP | Vyznačovať len povolené protokoly a viesť záznamy o kontrolách | Povolenie zmluvy neznamená, že cieľová webová stránka je dôveryhodná a dôveryhodnosť je potrebné skontrolovať samostatne. |
| Dokument obsahuje interné skoky | Zaznamenajte si cieľové číslo strany založené na nule | Čísla strán sa po rozdelení alebo zlúčení zmenia a vyžadujú premapovanie. |
| Dokument obsahuje miestne akcie | Označené na manuálnu kontrolu a neotvorené ani spustené | Miestne akcie by sa nemali vykonávať automaticky |
| PDF OCRed alebo preformátované | Manuálne skontrolujte, či je obdĺžnik prepojenia zarovnaný s viditeľným textom | Samotný odkaz nie je bezpečný a používateľská skúsenosť môže byť narušená |
Ktorý problém by sa mal v tomto článku vyriešiť ako prvý?
Ak je odkazový protokol v zozname povolených, znamená to len to, že kontrola formátu prebehla, ale neznamená to, že cieľová webová stránka je dôveryhodná. Príklady sú len inventarizované a kategorizované, nie sú prístupné ani iniciované žiadne odkazy. Interné skokové čísla stránok používajú indexovanie založené na nule a po rozdelení alebo zlúčení by sa mali premapovať.
Príklad samostatného zloženia
Závislosti nájdete v zozname importov. Kód vytvára vstup v pamäti a záznamy spustenia sa poskytujú samostatne a nepredstavujú záruku všetkých skutočných súborov.
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"
Príklad extrakcie odkazu PyMuPDF a bezpečnostnej kontroly
Príklad je napísaný tak, aby sledoval správanie API PyMuPDF: odkazy typu LINK_GOTO používajú kľúč page a čísla stránok začínajú 0, nie topage alebo firstpagenum. get_text() vráti celý obsah bez parametra clip.
Príklad obsahuje dve tvrdenia pokrývajúce normálnu cestu a kritickú okrajovú podmienku.
Kontrolný zoznam akceptovania odkazov a hranice manuálnej kontroly
Kód môže dokončiť mechanickú klasifikáciu, ale nemôže nahradiť obchodný úsudok. Nasledujúca tabuľka uvádza bežné stavy odkazov a príslušné rozhodnutia o spracovaní, ktoré objasňujú hranicu medzi automatickou a manuálnou kontrolou.
Kód môže zabezpečiť len správnosť logiky klasifikácie. O tom, či sa má odkaz ponechať a či je potrebné kópiu aktualizovať, musí rozhodnúť niekto, kto pozná obchod s dokumentmi. Najmä potom, čo bol súbor PDF OCRed alebo preformátovaný, môže byť obdĺžnik prepojenia nesprávne zarovnaný s viditeľným textom. V tomto bode, aj keď je samotný odkaz bezpečný, používateľská skúsenosť bola ohrozená a vyžaduje manuálne nastavenie.
📊 Základné porovnanie
Tabuľka nižšie porovnáva liečby podľa typu prepojenia, pričom každý riadok uvádza len to, čo by sa malo urobiť a aké závery by sa nemali robiť.
| pozorovať | čo robiť | by sa nemalo vyvodzovať |
|---|---|---|
| HTTP odkaz | Povolený je iba protokol | Dôveryhodnosť cieľa sa kontroluje samostatne |
| Interné presmerovanie | Zaznamenajte cieľovú stránku s nulovou základňou | Premapovať po rozdelení |
| Miestne pôsobenie | Recenzia manuálu Mark | Neotvorené ani vykonané |
Referencie a ďalšie kroky
- PyMuPDF Page.get_links() Oficiálna dokumentácia: https://pymupdf.readthedocs.io/en/latest/page.html#Page.get_links
- Popis súradnicového systému PyMuPDF (pochopenie polohovania obdĺžnika spojenia): https://pymupdf.readthedocs.io/en/latest/page.html#coordinates
Odporúča sa vybrať reprezentatívne PDF obsahujúce viacero typov odkazov a spustiť vyššie uvedený klasifikačný skript lokálne na vytvorenie auditnej správy o odkazoch. Upravte konštanty bezpečnostnej politiky alebo doplňte biely zoznam na základe podielu položiek "manuálnej kontroly" v správe. Len keď bude obsah správy stabilný a vysvetliteľný, bude zahrnutá do procesu prijatia formálneho prekladu.
Použite tento kontrolný zoznam na preklad dokumentov
Najprv skontrolujte poradie strán, umiestnenie zdroja a integritu textu, potom odošlite tú istú vzorku desenzibilizácie do prekladateľského procesu. Po preklade je stále potrebné skontrolovať, či názov, hlavný text a titulky správne zodpovedajú; nestačí posúdiť len podľa toho, či je text plynulý.
OmniDoc (Produktový portál) poskytuje portály na preklad dokumentov vo viacerých formátoch a oficiálna webová stránka predstavuje OCR, slovníky a bilingválne referenčné funkcie. Ak chcete začať priamo od súboru, môžete túto cestu vyhodnotiť na skutočných vzorkách.
Prosím, použite anonymizovaný súbor, ktorý ste autorizovali na nahranie a overenie výsledkov pomocou kontrolného zoznamu v tomto článku. Toto netvrdí, že OmniDoc používa open-source knižnice alebo interné algoritmy uvedené v tomto článku, ani príklady nenahrádzajú testovanie výkonnosti produktu.
🎯 Ktorá metóda ti vyhovuje?
Ak potrebujete rýchlo zistiť, či sa odkaz dá zachovať
Najprv sa pozrime na typ odkazu. Externé HTTP odkazy podliehajú iba kontrolám protokolu; dôveryhodnosť cieľa musí byť overená samostatne.
Ak bol váš PDF rozdelený alebo zlúčený
Premapujte čísla stránok interných skokov a zaznamenajte cieľovú stránku s nulovou základňou pred prijatím.
Ak vaše PDF prešlo OCR alebo preformátovaním
Skontrolujte každý obdĺžnik odkazu, aby ste zabezpečili zarovnanie s viditeľným textom; tento krok nie je možné vykonať iba skriptovaním.
Ak potrebujete spracovať viacero dokumentov hromadne
Najprv sa použije reprezentatívna vzorka na vytvorenie auditnej správy a po potvrdení, že správa je stabilná a interpretovateľná, sa následne povýši na formálne procesy.
❓ Často kladené otázky (FAQ)
1. Ak je dohoda o odkaze zaškrtnutá, znamená to, že na odkaz možno kliknúť s istotou?
Nie. Kontroly protokolu len naznačujú, že tento formát prešiel; či je cieľová webová stránka dôveryhodná, je potrebné samostatne overiť.
2. Ako by sa mali riešiť interné presmerovania po rozdelení alebo zlúčení PDF?
Interné čísla stránok používajú indexy s nulovou bázou; po rozdelení alebo zlúčení je potrebné ich premapovať.
3. Môžu skripty automaticky rozhodnúť, ktoré odkazy si ponechať?
Nie. Kód dokončuje iba mechanickú kategorizáciu; či sa odkazy uchovávajú a či je kópia aktualizovaná, musí rozhodnúť ľudia oboznámení s podnikaním.
4. Samotný odkaz je v poriadku, tak prečo môže zážitok stále zlyhať?
Po OCR alebo preusporiadaní PDF môže byť obdĺžnik odkazu nesprávne zarovnaný s viditeľným textom a vyžadovať manuálnu kontrolu.
5. Pristupuje ukážkový kód k odkazom v dokumentácii?
Nie. Príklad iba počíta a kategorizuje bez prístupu alebo spúšťania akýchkoľvek odkazov.
📝 Zhrnutie
Pri problémoch s odkazmi po preklade PDF sa najprv spoľahnite na inventárne kontrolné zoznamy, potom na manuálne hodnotenie. Skripty sú zodpovedné za kategorizáciu, zatiaľ čo obchodné rozhodnutia a overovanie skúseností si vyžadujú manuálnu prácu.


