PDFの翻訳ツール。 このツールは翻訳結果をPDFの注釈として埋め込むツールです。

翻訳対象のPDFから、そのテキスト情報と位置を記録したJSONと、テキストの一覧を記録したCSVを作成します。 次に任意の方法でCSVに記録したテキストをGoogleのスプレッドシートの数式を用いて翻訳します。 最後に翻訳対象のPDFとJSON,CSVを使用して新しいPDFを作成します。 そのPDFには翻訳した文字が注釈として表示されます。

このように元のレイアウトを保持しつつ、訳を確認することが可能になります。 また、一旦、翻訳対象のテキストをCSVに格納するので、後で人力での翻訳も行えます。

Python 3.7.5

• tqdm 4.45.0　　
• PyMuPDF 1.16.18　　
• google-api-python-client 1.8.2
• google-auth-httplib2 0.0.3
• google-auth-oauthlib 0.4.1

下記のクイックスターとを実行してGoogleDriveAPIとGoogle Sheets APIを実行できる環境を用意してください。

Google Drive API- Python Quickstart https://developers.google.com/drive/api/v3/quickstart/python

Google Sheets API- Python Quickstart https://developers.google.com/sheets/api/quickstart/python

また、この時作成される認証用の情報を格納したJSONを使用します。

実際に下記のPDFを翻訳する例を説明します。
https://www.adobe.com/content/dam/acom/en/devnet/acrobat/pdfs/PDF32000_2008.pdf

1. PDFを任意のフォルダにダウンロードします。

2. 下記のコマンドを使用して翻訳対象のPDFから、そのテキスト情報と位置を記録したJSONと、テキストの一覧を記録したCSVを作成します。

python ./analyze_pdf_text.py PDF32000_2008.pdf

3. 下記のファイルが作成されている事を確認します。

• PDF32000_2008.pdf.json
• PDF32000_2008.pdf.csv

4. PDF32000_2008.pdf.csvの2列目に訳を入力します。
   今回はGoogleスプレッドシートにアップロードしてGOOGLETRANSLATE数式で翻訳を行います。
   これを自動化したスクリプトは以下のようになります。

python ./translate_google_sheets.py PDF32000_2008.pdf.csv client_secret.json

5. 下記のコマンドを実行して訳を注釈として埋め込みます

python ./embed_annots.py PDF32000_2008.pdf.json output.pdf

以下が実際、注釈を付与したPDFになります。

http://needtec.sakura.ne.jp/doc/tmp/output.pdf

注意

• オリジナルに比べてサイズが大きくなっている
• Adobe Acrobat Readerで閲覧しないと旨く表示されない
  • WindowsのChromeの場合、ブラウザで見ると文字化けする。
  • スマホのPDFViewerで閲覧すると注釈のポップアップが表示されない。