OmniDocЧи працюватимуть посилання після перекладу PDF: спочатку створіть список посилань
Чи працюватиме посилання після перекладу PDF-файлу? Почніть зі створення списку посилань. Протокол лише вказує на те, що перевірку формату пройшло в дозволеному списку, але не означає, що цільовий веб-сайт є надійним; приклади лише інвентаризовані та класифіковані, а посилання не доступні. Внутрішні переходи використовують номери сторінок, починаючи з нуля, які потрібно повторно відобразити після поділу або об’єднання.
— Внутрішні переходи використовують номери сторінок, починаючи з нуля, і після розділення або об’єднання файлів їх потрібно переназначати.
- Після оптичного розпізнавання або переформатування PDF-файлу прямокутник посилання може бути неправильно вирівняний із видимим текстом і потребує налаштування вручну.
- Той факт, що код пройшов перевірку в ізольованому середовищі, не означає, що він дійсний для всіх реальних файлів, і оригінали повинні бути збережені до обробки.
Після перекладу PDF зовнішні посилання, внутрішні переходи та локальні дії в документі можуть стати недійсними або вказувати на неправильне розташування. Багато команд виявляють ці проблеми лише перед поставкою, а витрати на переробку є високими. Якщо ви відповідаєте за переклад документів, міграцію бази знань або процеси публікації, ця стаття може допомогти вам переглянути посилання перед доставкою.
Наступний метод спочатку класифікує посилання, а потім вирішує, як з ними працювати відповідно до категорій. Зразок коду виконує лише інвентаризацію та класифікацію, і не відкриває та не активує жодних посилань. Прочитавши це, ви зможете створити список посилань і з’ясувати, які посилання потрібно лише позначити згодою, які мають записати номер цільової сторінки, а які потрібно надіслати на перевірку людині.
Чи працюватиме посилання після перекладу PDF-файлу? Висновок одним реченням
Чи можна продовжувати використовувати посилання після перекладу, залежить від чіткої інвентаризації типів кожного посилання та подальшої обробки їх окремо за типом; сценарій відповідає лише за категоризацію, а не за доступ до посилань.
| ваша ситуація | Рекомендовані практики | причина |
|---|---|---|
| Документ містить зовнішнє посилання HTTP | Позначайте лише дозволені протоколи та ведіть записи перевірок | Дозвіл угоди не означає, що цільовий веб-сайт є надійним, і надійність потрібно перевіряти окремо. |
| Документ містить внутрішні стрибки | Запишіть номер цільової сторінки від нуля | Номери сторінок зміняться після поділу або об’єднання, і їх потрібно буде повторно відобразити. |
| Документ містить локальні дії | Позначено для перегляду вручну, не відкривається та не виконується | Локальні дії не повинні виконуватися автоматично |
| PDF OCR відредагований або переформатований | Перевірте вручну, чи вирівняно прямокутник посилання з видимим текстом | Саме посилання є незахищеним, тому взаємодія з користувачем може бути порушена |
Яку задачу слід вирішити першою в цій статті?
Якщо протокол посилання входить до списку дозволених, це лише означає, що перевірку формату пройшло, але це не означає, що цільовий веб-сайт є надійним. Приклади лише інвентаризуються та класифікуються, жодні посилання не відкриваються та не відкриваються. Внутрішні номери сторінок переходу використовують індексацію від нуля, тому після розділення або злиття їх слід переставляти.
Приклад самостійної композиції
Перегляньте список імпорту залежностей. Код створює вхідні дані в пам’ять, а записи про виконання надаються окремо й не є гарантією всіх реальних файлів.
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"Приклад отримання посилання PyMuPDF і перевірки безпеки
Приклад написано відповідно до поведінки API PyMuPDF: посилання типу LINK_GOTO використовують ключ page, а номери сторінок починаються з 0, а не з topage або firstpagenum. get_text() повертає весь вміст без параметра clip.
Приклад містить два твердження, що охоплюють нормальний шлях і критичну граничну умову.
Контрольний список прийнятності посилань і межі перегляду вручну
Кодекс може завершити механічну класифікацію, але він не може замінити ділове судження. У наведеній нижче таблиці наведено загальні статуси зв’язків і відповідні рішення щодо обробки, пояснюючи межу між автоматичним і ручним переглядом.
Код може лише гарантувати, що логіка класифікації правильна. Хтось, знайомий із документообігом, має вирішити, чи потрібно зберегти посилання та чи потрібно оновлювати копію. Особливо після розпізнавання або переформатування PDF-файлу прямокутник посилання може бути несумісним із видимим текстом. На цьому етапі, навіть якщо саме посилання безпечне, взаємодія з користувачем була скомпрометована та потребує налаштування вручну.
📊 Основне порівняння
У наведеній нижче таблиці порівнюється лікування за типом зв’язку, у кожному рядку перелічено лише те, що слід робити, а які висновки робити не слід.
| спостерігати | що робити | не слід робити висновок |
|---|---|---|
| HTTP-посилання | Дозволено лише позначити протокол | Цільова довіра перевіряється окремо |
| внутрішній стрибок | Запис цільової сторінки від нуля | Ремап після розбирання |
| місцевої дії | Позначити перевірку вручну | Не відкривається і не виконується |
Посилання та наступні кроки
- Офіційна документація PyMuPDF Page.get_links(): https://pymupdf.readthedocs.io/en/latest/page.html#Page.get_links
- Опис системи координат PyMuPDF (розуміння позиціонування прямокутника посилання): https://pymupdf.readthedocs.io/en/latest/page.html#coordinates
Рекомендується вибрати репрезентативний PDF-файл, який містить кілька типів посилань, запустити наведений вище сценарій класифікації в локальному середовищі та створити звіт про перевірку посилань. Виходячи з частки записів у звіті «вимагає перевірки вручну», відкоригуйте константи політики безпеки або доповніть білий список. Лише коли зміст звіту стабільний і його можна інтерпретувати, він буде включений до офіційного процесу прийняття перекладу.
Використовуйте цей контрольний список для перекладу документа
Послідовність сторінок, розташування джерела та цілісність тексту перевіряються перед тим, як той самий десенсибілізований зразок надсилається до процесу перекладу. Після перекладу ще потрібно перевірити, чи коректно відповідають назва, текст та ілюстрації. Ви не можете просто перевірити, чи гладкий текст.
OmniDoc (портал продуктів) надає багатоформатний портал перекладу документів, а на офіційному веб-сайті представлені функції OCR, глосарій і двомовне порівняння. Якщо ви бажаєте розпочати обробку безпосередньо з файлу, ви можете оцінити цей шлях за допомогою реального зразка.
Будь ласка, використовуйте десенсибілізовані файли, на завантаження яких у вас є дозвіл, і скористайтеся прапорцями в цій статті, щоб переглянути результати. Тут немає жодних тверджень, що OmniDoc використовує бібліотеки з відкритим кодом або внутрішні алгоритми, згадані в цій статті, і приклади не є заміною для тестування продуктивності продукту.
🎯 Який спосіб вам підходить?
Якщо вам потрібно швидко визначити, чи можна зберегти посилання
Давайте спочатку розглянемо тип посилання. Зовнішні HTTP-посилання виконують лише перевірку протоколу, а цільову достовірність потрібно перевіряти окремо.
Якщо ваш PDF-файл було розділено або об’єднано
Переставте номери внутрішніх сторінок переходу та запишіть цільову сторінку від нуля перед прийняттям.
Якщо ваш PDF-файл було розпізнано або переформатовано
Перевірте один за одним, чи вирівняно прямокутник посилання з видимим текстом. Цей крок не можна виконати лише за допомогою сценарію.
Якщо ви хочете пакетно обробити кілька документів
Спочатку використовуйте репрезентативну вибірку для створення аудиторського звіту, підтвердьте, що звіт є стабільним і його можна інтерпретувати, а потім просуйте його до офіційного процесу.
❓ Часті запитання (FAQ)
1. Якщо перевірка протоколу посилання пройшла успішно, чи означає це, що посилання можна впевнено перейти?
немає Перевірка протоколу вказує лише на те, що ця перевірка формату пройшла. Необхідно окремо підтвердити, чи цільовий веб-сайт є надійним.
2. Після розділення або об’єднання PDF-файлів, як впоратися з внутрішніми стрибками?
Внутрішні номери сторінок переходу використовують індексацію від нуля, тому після поділу або злиття їх потрібно переставити.
3. Чи може сценарій автоматично вирішувати, які посилання зберігати?
не можна. Код лише завершує механічну класифікацію. Чи буде збережено посилання та оновлено копію, має вирішити хтось, хто знайомий із бізнесом.
4. З самим посиланням немає нічого поганого, чому досвід все одно може піти не так?
Після оптичного розпізнавання або переформатування PDF-файлу прямокутник посилання може не вирівнятися з видимим текстом, що потребує ручної перевірки.
5. Чи матиме зразок коду доступ до посилань у документі?
не буду. Приклади є лише інвентаризацією та класифікацією, і вони не створюють жодних посилань.
📝 Підсумок
У разі проблем із посиланнями після перекладу PDF спочатку покладайтеся на інвентаризацію, а потім на оцінку вручну. Сценарій відповідає за класифікацію, а бізнес-рішення та перевірку досвіду потрібно виконувати вручну.
Спробуйте зараз: завантажте документ, щоб розпочати переклад, зберігаючи вихідний макет
