Không có vấn đề gì khi dịch văn bản Word nhưng tiêu đề vẫn là văn bản gốc.

Khi bản dịch tiêu đề bị bỏ sót, vấn đề thường nằm ở cơ chế kế thừa của is_linked_to_previous. Nếu bạn sử dụng Python để xử lý hàng loạt tài liệu Word nhiều chương, văn bản chính được dịch nhưng tiêu đề vẫn là văn bản gốc hoặc tập lệnh ghi tiêu đề cần được kế thừa dưới dạng nội dung lặp lại, bài viết này có thể giúp bạn tìm ra lý do.

Phần sau đây sẽ giải thích tại sao tiêu đề "liên kết đến phần trước", cách xác định và ngắt liên kết mà không phá hủy bố cục và đưa ra bộ tiêu chí chấp nhận có thể kiểm tra từng tiêu chí một. Sau khi đọc phần này, bạn sẽ có thể xác định tiêu đề nào nên dịch, tiêu đề nào nên bỏ qua và nội dung nào cần được kiểm tra thủ công trước khi gửi.

Tại sao bản dịch tiêu đề vẫn là văn bản gốc? Một câu kết luận

Chỉ những tiêu đề được xác định độc lập mới được dịch và những tiêu đề được liên kết sẽ bị bỏ qua; khi thực sự cần một bản dịch khác, hãy ngắt kết nối liên kết trước rồi mới viết nó.

Tại sao bản dịch tiêu đề luôn bị thiếu hoặc lặp lại?

Có hai lỗi thường gặp khi làm việc với tài liệu Word nhiều chương. Một là văn bản chính đã được dịch sang ngôn ngữ đích, đầu trang và chân trang vẫn là văn bản gốc. Một vấn đề còn lại rắc rối hơn: Để khắc phục tình trạng cũ, tập lệnh buộc phải duyệt qua các đối tượng Header của tất cả các Phần và dịch chúng. Kết quả là trang ban đầu được thiết kế"giống như phần trước"đã viết nội dung dư thừa, phá hủy logic kế thừa bố cục của tài liệu gốc.

Không có vấn đề nào xảy ra do công cụ OCR hoặc NMT gây ra mà là do sự hiểu biết thiên vị về thuộc tínhis_linked_to_previous trong OpenXML.

Trong python-docx và cấu trúc XML cơ bản, tiêu đề không phải là một thực thể độc lập trên mỗi trang mà là một đối tượng được gắn trên Phần. Khi tiêu đề của một phần ở trạng thái "liên kết đến phần trước", nó không chứa định nghĩa văn bản mà chỉ chứa tham chiếu đến tiêu đề hợp lệ trước đó. Lúc này, nếu văn bản đoạn văn của Header được đọc trực tiếp thì nội dung được đọc có thể là nội dung được kế thừa; nếu bản dịch được viết mà không có sự phán xét, một định nghĩa tiêu đề mới sẽ được ngầm tạo ra, cắt đứt chuỗi kế thừa ban đầu. Điều này không chỉ lãng phí tài nguyên dịch thuật mà còn khiến những điều chỉnh bố cục tiếp theo mất đi tính liên kết.

Hiểu bẫy kế thừa của is_linked_to_previous

_Header.is_linked_to_previous chính là công tắc then chốt để giải quyết vấn đề này.

• Khi là True, có nghĩa là phần hiện tại không có định nghĩa tiêu đề độc lập và nội dung hiển thị được truy tìm ngược lên dọc theo chuỗi và được kế thừa từ phần cấp trên có định nghĩa.
• Trong các tài liệu mới hoặc trong các phần mà tiêu đề không được đặt rõ ràng, giá trị này được mặc định là True.
• Ngược lại: ngay cả khi phần hiện tại chỉ kế thừa nội dung, bất cứ khi nào header.paragraphs được truy cập hoặc cố gắng sửa đổi văn bản, python-docx sẽ tự động tạo định nghĩa tiêu đề trống và đặt is_linked_to_previous thành False.

Vì vậy, chỉ đơn giản là "lặp qua tất cả các phần và dịch các tiêu đề" là có rủi ro. Đối với tiêu đề trạng thái liên kết, cách tiếp cận đúng là bỏ qua chứ không phải dịch. Chỉ khi is_linked_to_previous == False thì phần đó mới có văn bản nguồn độc lập mới cần được gửi đến quá trình dịch thuật.

Nếu doanh nghiệp thực sự yêu cầu một phần sử dụng tiêu đề dịch khác từ đâu đó, bạn nên đặt rõ ràng is_linked_to_previous thành False trước, sau đó thực hiện thay thế nội dung, tương đương với thao tác "hủy liên kết" trong giao diện Word.

📊 So sánh cốt lõi

Ví dụ tổng hợp: xử lý ranh giới đúng và sai

Để xác minh logic xử lý, một tập hợp các mẫu tổng hợp chứa ba trạng thái được xây dựng bên dưới. LƯU Ý: Đây là ví dụ tổng hợp được sử dụng để thể hiện logic, không phải tệp khách hàng thực. Nếu bạn muốn kiểm tra một tài liệu thực, hãy chuẩn bị tệp .docx có ít nhất 3 ngắt phần, kết hợp "liên kết đến phần trước" và các tiêu đề độc lập, đồng thời xác minh rằng tệp không được bảo vệ IRM và nội dung tiêu đề không được macro VBA tạo động.

Cài đặt đầu vào:

• Phần 0: Tiêu đề độc lập có nội dung"Chương Một".
• Phần 1: Liên kết với phần trước (is_linked_to_previous=True), chưa có định nghĩa độc lập.
• Phần 2: Tiêu đề độc lập có nội dung"Phụ lục".

Đầu ra đúng dự kiến:

• Tiêu đề Mục 0 dịch là "Chương Một".
• Phần 1 giữ nguyên liên kết, không thực hiện dịch thuật và tiếp tục hiển thị"Chương 1"kế thừa.
• Tiêu đề mục 2 tạm dịch là"Phụ lục".

Lỗi và trường hợp khó khăn:

Nếu tập lệnh bỏ qua trạng thái liên kết và cũng thực thiparagraph.text = translate(...) trên Phần 1, thì Phần 1 sẽ tạo định nghĩa tiêu đề mới. Về mặt trực quan, hiện tại nó có vẻ đúng nhưng cấu trúc tài liệu đã bị thay đổi.

Trường hợp nghiêm trọng hơn là tài liệu trống hoặc tài liệu được liên kết đầy đủ: nếu tất cả các phần là True và không có định nghĩa, việc truy cập các đoạn văn sẽ kích hoạt một bản dựng mới. Mã an toàn phải kiểm tra cờ Boolean trước khi đọc và viết, đồng thời đưa ra các phán đoán phòng thủ trước các tình huống "tất cả liên kết, không có nguồn", thay vì gán giá trị một cách mù quáng.

Python triển khai trích xuất tiêu đề và phá vỡ liên kết an toàn

Mã bên dưới cho biết cách xây dựng mẫu trong bộ nhớ và xử lý logic dịch tiêu đề một cách an toàn. Nó dựa trên thư viện python-docx. Vui lòng chạy nó trong môi trường phụ thuộc có phiên bản bị khóa của riêng bạn. Phiên bản phải tương thích với API 0.8.11 trở lên.

Lưu ý: Mã này là một minh họa giảng dạy. Nó không triển khai khả năng duy trì định dạng ở cấp độ chạy và bảo vệ mã miền hoàn chỉnh, đồng thời không thể sử dụng trực tiếp trong môi trường sản xuất.

from docx import Document
from docx.shared import Pt

def safe_translate_headers(doc, translate_fn):
    """
    安全翻译页眉：仅处理独立定义的页眉，保留继承关系。
    translate_fn: 接受字符串返回译文的函数
    """
    processed_count = 0
    for i, section in enumerate(doc.sections):
        header = section.header
        # 核心守卫：仅当存在独立定义时才处理
        if header.is_linked_to_previous:
            print(f"Section {i}: Linked, skipping to preserve inheritance.")
            continue

        # 此时才安全访问 paragraphs，不会意外创建新定义
        for para in header.paragraphs:
            original_text = para.text.strip()
            if original_text:
                new_text = translate_fn(original_text)
                # 安全替换：保留run格式，避免直接赋值para.text
                # 实际生产环境应增加域代码(Field)检测与跳过逻辑
                full_text = ''.join(run.text for run in para.runs)
                if full_text.strip() == original_text:
                    # 简单场景：文本完全由runs组成
                    for run in para.runs:
                        run.text = ""
                    if para.runs:
                        para.runs[0].text = new_text
                    else:
                        para.add_run(new_text)
                else:
                    # 复杂场景：包含域代码或其他元素，此处仅作标记
                    print(f"Warning: Section {i} contains complex elements, manual review needed.")
                    continue

                processed_count += 1
                print(f"Section {i}: Translated '{original_text}' -> '{new_text}'")
    return processed_count

# --- 合成示例构建与断言 ---
doc = Document()
# Sec 0: 独立页眉
doc.sections[0].header.is_linked_to_previous = False
doc.sections[0].header.paragraphs[0].text = "Original Title"

# Sec 1: 添加新节并保持链接(默认即为True)
new_section = doc.add_section()
assert new_section.header.is_linked_to_previous is True

# Sec 2: 添加新节并断开链接
appendix_sec = doc.add_section()
appendix_sec.header.is_linked_to_previous = False
appendix_sec.header.paragraphs[0].text = "Appendix Data"

# 模拟翻译函数
mock_translate = lambda x: f"[ZH]{x}"
count = safe_translate_headers(doc, mock_translate)

# 验收断言
assert count == 2, "Should only translate 2 independent headers"
assert doc.sections[1].header.is_linked_to_previous is True, "Link must be preserved"
assert "[ZH]Original Title" in doc.sections[0].header.paragraphs[0].text
print("Logic validation passed.")

🎯 Phương pháp nào phù hợp với bạn?

Nếu bạn chỉ cần dịch thống nhất

Chỉ các tiêu đề được xác định độc lập mới được dịch và các phần được liên kết vẫn giữ nguyên, cho phép Word tiếp tục sử dụng các tiêu đề của các phần chính.

Nếu nội dung tiêu đề của mỗi phần khác nhau

Kiểm tra is_linked_to_previous từng phần. Các phần được xác định độc lập sẽ được dịch và viết lại; những phần yêu cầu bản dịch khác với phần trước phải được ngắt kết nối rõ ràng trước khi viết.

Nếu cấu trúc tài liệu phức tạp hoặc được bảo vệ

Đối với các tài liệu bao gồm các tiêu đề bảng lồng nhau, nội dung tiêu đề được tạo bởi macro VBA hoặc bảo vệ IRM, bạn nên bỏ quá trình xử lý tự động và chuyển sang xem xét thủ công.

Tiêu chí chấp nhận và đường màu đỏ đánh giá thủ công

Chỉ vì mã chạy không có lỗi không có nghĩa là việc phân phối đủ điều kiện. Dịch tiêu đề liên quan đến ngữ nghĩa bố cục và yêu cầu thiết lập một bộ danh sách kiểm tra chấp nhận khác với văn bản chính. Bảng sau liệt kê các điểm kiểm tra chính sau khi tự động hóa.

Không áp dụng: Logic trên chỉ áp dụng cho tài liệu ngắt phần liên tục tiêu chuẩn. Những tài liệu chứa các tiêu đề bảng lồng nhau phức tạp, nội dung được tạo động từ macro VBA hoặc được IRM bảo vệ phải được các tập lệnh tự động loại bỏ chủ động và được đánh dấu để con người xem xét. "Mã có thể chạy" không có nghĩa là "tất cả các kịch bản ranh giới đã được giải quyết".

Tài liệu tham khảo và các bước tiếp theo

• python-docx: Làm việc với Đầu trang và Chân trang

Sử dụng danh sách kiểm tra này để dịch tài liệu

Bản dịch từ có thể dễ dàng nhầm lẫn giữa vấn đề nội dung với vấn đề định dạng. Bằng cách liệt kê riêng các mục kiểm tra như kiểu, tiêu đề, bảng, v.v. trong danh sách phân phối, người đánh giá sẽ biết cần tập trung kiểm tra vào đâu.

OmniDoc (cổng thông tin sản phẩm) cung cấp cổng dịch thuật tài liệu đa định dạng và trang web chính thức giới thiệu các chức năng so sánh OCR, bảng thuật ngữ và song ngữ. Nếu nhóm của bạn muốn bắt đầu xử lý trực tiếp từ tệp, bạn có thể đánh giá đường dẫn này bằng các mẫu thực. Vui lòng sử dụng tệp đã được giải mẫn cảm mà bạn có quyền tải lên và xem lại kết quả bằng cách sử dụng danh sách kiểm tra trong bài viết này. Ở đây không có tuyên bố nào rằng OmniDoc sử dụng các thư viện nguồn mở hoặc thuật toán nội bộ được đề cập trong bài viết này và các ví dụ không thể thay thế cho việc kiểm tra hiệu suất sản phẩm.

❓ Câu hỏi thường gặp (FAQ)

1. Tại sao trạng thái liên kết thay đổi sau khi truy cập đoạn tiêu đề?

Khi python-docx truy cập các đoạn văn hoặc sửa đổi văn bản, nó sẽ tự động tạo định nghĩa tiêu đề trống và đặt is_linked_to_previous thành False. Vì vậy, cờ này cần được kiểm tra trước khi đọc.

2. Tất cả các phần đều ở trạng thái liên kết và không có định nghĩa. Tôi nên làm gì?

Kiểm tra cờ Boolean trước khi đọc và viết, đưa ra phán đoán phòng thủ trong tình huống "tất cả các liên kết, không có nguồn" và không gán giá trị một cách mù quáng.

3. Sau khi mã chạy xong, mã có được gửi đi không?

KHÔNG. Cho dù độ dài bản dịch có bị tràn hay không, các trang chẵn và tiêu đề trang chủ có chính xác hay không đều yêu cầu xem xét thủ công và mã không thể nhận biết được kết quả hiển thị trực quan.

4. Các số trang có thể dịch sát nhau được không?

Nó không nên được dịch. Các mã trường như số trang và ngày tháng phải được giữ lại. Tập lệnh chỉ dịch văn bản thuần túy Chạy và bỏ qua FieldRun.

5. Mã này có thể được sử dụng trực tiếp trong môi trường sản xuất không?

không thể. Đây là bản trình diễn giảng dạy và không thực hiện bảo toàn định dạng ở cấp độ chạy và bảo vệ mã miền hoàn chỉnh. Những phần này cần phải được hoàn thiện và kiểm tra bằng file thật trước khi đưa lên mạng.

📝 Tóm tắt

Chìa khóa để dịch tiêu đề trước tiên là xác định trạng thái kế thừa của phần đó và sau đó quyết định xem nên dịch hay bỏ qua phần đó. Sau khi xem qua danh sách chấp nhận, hãy chuyển nó cho bộ phận xem xét thủ công để bố trí.

Thử ngay: Tải tài liệu lên để bắt đầu dịch, giữ nguyên bố cục ban đầu