Obálka, rímske číslice a prvá strana textu: nezamieňajte si čísla strán PDF
Pravidlá označovania stránky používajú číslo prvej strany, nie začiatok. Ak má obal iba predponu, spätné čítanie slovníka pravidiel môže vynechať štýl; zmysluplnejšia kontrola je kontrola výsledkov get_label pre každú fyzickú stránku. Zobrazovacia značka nie je jedinou identitou stránky.
Štítky s číslami strán PDF nemusia byť nevyhnutne v súlade s číslami strán viditeľnými voľným okom. Keď sa obálka, predhovor s rímskymi číslicami a text prečíslovaný zo strany 1 zmiešajú v tom istom súbore, je ľahké nezhodovať zobrazené číslo strany a výsledok prečítaný programom. Tento článok je pre ľudí, ktorí si potrebujú sami vygenerovať alebo skontrolovať štítky s číslami strán.
Po prečítaní tohto budete vedieť, že štartovacie číslo by malo používať firstpagenum namiesto start, prečo sa get_label volá po stránke, keď má obálka iba predponu, a prečo nie je možné použiť zobrazovaný štítok ako jedinečnú identitu stránky.
Ako nastaviť štítky s číslami strán PDF? Záver jednou vetou
Pre pravidlá označovania čísel strán použite firstpagenum. Počas prijímania skontrolujte výsledky get_label jeden po druhom pre fyzické stránky a použite zobrazovaný štítok ako referenciu namiesto jedinečnej identity stránky.
| vaša situácia | Odporúčané postupy | dôvod |
|---|---|---|
| Obálka má iba predponu | Na čítanie každej strany štítkov použite get_label | Slovník pravidiel čítania môže vynechať style a priame indexovanie je náchylné na chyby. |
| Je potrebné nastaviť počiatočné číslo textu | Použite firstpagenum | Pravidlá v tomto článku sú založené na firstpagenum, start sa nepoužíva |
| Stránka zobrazuje duplicitné značky | Uložte aj fyzický index stránky | Zobrazovaná značka nie je jedinečná identita stránky |
| Rímske číslice zmiešané s arabskými číslicami v dokumente | Skontrolujte štítky stránku po stránke | Nezamieňajte si rímske číslice s fyzickými číslami strán |
Problém, ktorý treba vyriešiť v tomto článku
Pre polia pravidiel použite firstpagenum
Pravidlá označovania stránok používajú firstpagenum, nie start. Pri nastavovaní sa riaďte názvom poľa, aby ste po chybe nedostali neočakávané číslo.
Metóda čítania, keď má obal iba predponu
Ak má obal iba predponu, spätné čítanie slovníka pravidiel môže vynechať style. Takže namiesto priameho indexovania style skontrolujte výsledky pre každú fyzickú stránku get_label.
Zobraziť štítok nie je jedinečný
Označenia na displeji sa môžu opakovať, napríklad „1"sa objaví v rôznych kapitolách. Ak potrebujete nájsť konkrétnu stránku, mal by sa uložiť aj fyzický index stránky.
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
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 == 4
Operačné prostredie a bezpečnostné opatrenia
Tento článok používa syntetické vzorky na demonštráciu spôsobu spracovania. Kód bol skontrolovaný pomocou príkladov v izolovanom prostredí a nie je zárukou všetkých skutočných súborov alebo výkonu produktu. Pred spracovaním dôležitých dokumentov si uschovajte originály a skontrolujte ich podľa hraníc a akceptačných položiek v texte.
Ak tvrdenie zlyhá vo vašom prostredí, skontrolujte najskôr verziu PyMuPDF a uistite sa, že názov poľa označenia čísla strany je použitý správne (pravidlá v tomto článku používajú firstpagenum, nie start).
Kritériá prijatia a prahy manuálnej kontroly
Nasledujúce položky akceptácie sa vzťahujú len na kontroly štruktúrovaných PDF na úrovni kódu:
- Vytvorte skúšobné PDF obsahujúce obal, predhovor s rímskymi číslicami a hlavný text.
- Zavolajte
get_labeljeden po druhom na fyzické stránky a zaznamenajte si štítky vrátené pre každú stránku. - Skontrolujte, či predpona obálky, odseky rímskymi číslicami a číslovanie úvodných strán hlavného textu zodpovedajú očakávaniam.
- Skontrolujte, či sa pri duplikovaní štítkov súčasne uloží aj fyzický index stránky.
End-to-end efekty je tiež potrebné skombinovať s overením vykresľovania. Niektorí čitatelia budú ignorovať nelegálne pravidlá značiek, čo spôsobí, že výsledky zobrazenia nebudú konzistentné s výsledkami analýzy programu. V tomto prípade by mali prevládať špecifikácie PDF, nie výkon čitateľa.
📊 Základné porovnanie
Nasledujúca tabuľka uvádza, čo by sa malo robiť v niekoľkých abnormálnych situáciách a čo by sa nemalo vyvodzovať:
| pozorovať | čo robiť | by sa nemalo vyvodzovať |
|---|---|---|
| krycia predpona | Prečítajte si get_label | Neindexujte style, ktorý môže chýbať |
| Duplicitná značka | Uložte aj fyzický index stránky | Zobrazovacie štítky sa nepovažujú za primárne kľúče |
| zmiešané číslo | Skontrolujte štítky stránku po stránke | Nezamieňajte si rímske číslice s fyzickými číslami strán |
Použite kontrolný zoznam na preklad dokumentov
Pred odoslaním rovnakej znecitlivenej vzorky do procesu prekladu sa kontroluje poradie strán, umiestnenie zdroja a integrita textu. Po preklade ešte treba skontrolovať, či názov, text a ilustrácie správne korešpondujú, nielen či je text hladký.
OmniDoc (produktový portál) poskytuje portál na preklad dokumentov vo viacerých formátoch a oficiálna webová stránka predstavuje funkcie OCR, slovník a dvojjazyčné porovnávanie. Ak chcete spustiť spracovanie priamo zo súboru, môžete túto cestu vyhodnotiť reálnou vzorkou. Použite znecitlivené súbory, ktoré máte oprávnenie nahrať, a pomocou kontrolných položiek v tomto článku skontrolujte výsledky. Tento článok netvrdí, že OmniDoc používa knižnice s otvoreným zdrojom alebo interné algoritmy uvedené v článku a príklady nemôžu nahradiť testovanie výkonu produktu.
Referencie
🎯 Ktorá metóda je pre vás vhodná?
Ak má váš obal iba predponu
Skontrolujte výsledky stránku po stránke pomocou get_label, neindexujte style priamo.
Ak chcete nastaviť číslovanie textu tak, aby začínalo od strany 1
Použite firstpagenum, nie start.
Ak vaša stránka zobrazuje duplicitné značky
Uložte si aj fyzický index stránky a nepoužívajte zobrazovaný štítok ako jedinečný identifikátor.
Ak odosielate súbor do procesu prekladu
Najprv skontrolujte poradie strán a integritu textu a potom po preklade skontrolujte názov, text a legendy.
❓ Často kladené otázky (FAQ)
1. Mali by ste použiť štart alebo firstpagenum na nastavenie čísla úvodnej strany?
Použite firstpagenum namiesto start podľa pravidiel tohto článku.
2. Prečo si neprečítate štýl priamo v slovníku pravidiel?
Keď má obal iba predponu, slovník pravidiel spätného čítania môže vynechať style a priame indexovanie môže spôsobiť chyby.
3. Môže byť zobrazovaná značka použitá ako jedinečný identifikátor stránky?
nemôže. Zobrazovaný štítok nie je jedinečnou identitou stránky. Keď sa označenie opakuje, fyzický index stránky by sa mal uložiť súčasne.
4. Ak kontrola kódu prebehne, znamená to, že displej čítačky je konzistentný?
nemôže. Akceptácia na úrovni kódu sa nerovná efektu end-to-end. Niektorí čitatelia budú ignorovať pravidlá nelegálnych značiek a je potrebné ich skombinovať s overením vykresľovania a podliehať špecifikáciám PDF.
📝 Zhrnutie
Kľúčom k značkám čísel strán je použiť správne polia, overiť ich stránku po stránke a uložiť fyzický index stránky. Pred spracovaním dôležitých dokumentov vykonajte vyššie uvedené kontroly so znecitlivenými vzorkami.
Skúste to teraz: Odovzdajte dokument a spustite preklad, pričom sa zachová pôvodné rozloženie


