前言
团队最近要发布产品的多语言文档，需要把50多份中文技术文档翻译成英文版。手动上传、下载、校对，一份文档就要花十几分钟。作为一个程序员，第一反应当然是：能不能自动化？
答案是能。虽然PDFTranslator是个Web端工具，但结合Python的自动化能力，可以搭建一套半自动的文档翻译流水线，大幅提升效率。这篇文章记录完整的实现方案。
环境准备
- Python 3.10+
- 依赖库：
pip install requests beautifulsoup4 watchdog openpyxl
- 浏览器：Chrome/Edge（用于手动上传下载环节）
- 文件组织：源文档放在
docs/source/，翻译后输出到docs/output/
整体架构
docs/source/ → [Python Watcher] → [PDFTranslator] → docs/output/
(待翻译文档) (文件监控+调度) (在线翻译) (翻译后文档)
↓
[翻译记录.xlsx]
(状态追踪)
核心思路：用Python监控源文件夹变化 → 自动检测新文件 → 提示上传翻译 → 轮询下载状态 → 归档。
实现步骤
Step 1: 文件监控模块
使用 watchdog 库监控源文件夹，自动发现新文件：
import time
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler
from pathlib import Path
class TranslationHandler(FileSystemEventHandler):
"""监控源文件夹，发现新PDF文件"""
def __init__(self, callback):
self.callback = callback
def on_created(self, event):
# 只处理PDF文件
if not event.is_directory and event.src_path.endswith('.pdf'):
print(f"[检测到新文件] {event.src_path}")
self.callback(Path(event.src_path))
def start_watcher(source_dir: str, callback):
"""启动文件监控"""
observer = Observer()
handler = TranslationHandler(callback)
observer.schedule(handler, source_dir, recursive=False)
observer.start()
print(f"[监控已启动] 监听目录: {source_dir}")
try:
while True:
time.sleep(1)
except KeyboardInterrupt:
observer.stop()
observer.join()
Step 2: 翻译任务队列
多文档并行管理，需要一个任务队列追踪每份文档的状态：
import openpyxl
from datetime import datetime
from enum import Enum
class TranslationStatus(Enum):
PENDING = "待翻译" # 文件已检测到，等待上传
UPLOADED = "已上传" # 已上传到翻译平台
TRANSLATING = "翻译中" # 平台正在处理
COMPLETED = "已完成" # 翻译完成，可以下载
FAILED = "失败" # 翻译失败
class TranslationQueue:
"""翻译任务队列，用Excel做持久化存储"""
def __init__(self, excel_path: str):
self.excel_path = excel_path
self._init_excel()
def _init_excel(self):
"""初始化Excel记录表"""
wb = openpyxl.Workbook()
ws = wb.active
ws.title = "翻译记录"
ws.append(["文件名", "源语言", "目标语言", "文件大小(KB)",
"提交时间", "状态", "完成时间", "输出路径", "备注"])
ws.column_dimensions['A'].width = 40
ws.column_dimensions['H'].width = 40
wb.save(self.excel_path)
def add_task(self, file_path: Path, target_lang: str = "en"):
"""添加新翻译任务"""
wb = openpyxl.load_workbook(self.excel_path)
ws = wb["翻译记录"]
file_size = round(file_path.stat().st_size / 1024, 1)
ws.append([
file_path.name,
"zh",
target_lang,
file_size,
datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
TranslationStatus.PENDING.value,
"", "", f"源路径: {file_path}"
])
wb.save(self.excel_path)
print(f"[任务已创建] {file_path.name} → {target_lang}")
def update_status(self, filename: str, status: TranslationStatus,
output_path: str = "", note: str = ""):
"""更新任务状态"""
wb = openpyxl.load_workbook(self.excel_path)
ws = wb["翻译记录"]
for row in ws.iter_rows(min_row=2):
if row[0].value == filename:
row[5].value = status.value
if status == TranslationStatus.COMPLETED:
row[6].value = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
row[7].value = output_path
if note:
row[8].value = note
break
wb.save(self.excel_path)
def get_pending_tasks(self) -> list:
"""获取待处理的任务"""
wb = openpyxl.load_workbook(self.excel_path)
ws = wb["翻译记录"]
pending = []
for row in ws.iter_rows(min_row=2, values_only=True):
if row and row[5] == TranslationStatus.PENDING.value:
pending.append(row[0])
return pending
# 使用示例
queue = TranslationQueue("翻译记录.xlsx")
queue.add_task(Path("docs/source/api-reference.pdf"), target_lang="en")
queue.update_status("api-reference.pdf", TranslationStatus.UPLOADED)
Step 3: 翻译平台调度流程
虽然上传下载需要手动操作（Web端限制），但可以用Python管理整个流程：
import subprocess
import webbrowser
from pathlib import Path
class PDFTranslatorPipeline:
"""PDF翻译自动化调度"""
TRANSLATOR_URL = "https://pdftranslator.org"
SOURCE_DIR = Path("docs/source")
OUTPUT_DIR = Path("docs/output")
def __init__(self):
self.queue = TranslationQueue("翻译记录.xlsx")
self.OUTPUT_DIR.mkdir(exist_ok=True)
def process_next(self):
"""处理下一个待翻译文件（交互式）"""
pending = self.queue.get_pending_tasks()
if not pending:
print("✅ 没有待处理的翻译任务")
return
filename = pending[0]
filepath = self.SOURCE_DIR / filename
print(f"\n{'='*50}")
print(f"📄 当前文件: {filename}")
print(f"📏 大小: {filepath.stat().st_size / 1024:.1f} KB")
print(f"{'='*50}")
# 1. 打开翻译平台（手动上传）
print(f"\n🖱️ 请在浏览器中操作：")
print(f" 1. 打开 {self.TRANSLATOR_URL}")
print(f" 2. 上传文件: {filepath}")
print(f" 3. 选择目标语言: English")
print(f" 4. 点击翻译")
# 2. 打开本地文件夹（方便拖拽）
webbrowser.open(self.TRANSLATOR_URL)
# 3. 标记为已上传
self.queue.update_status(filename, TranslationStatus.UPLOADED)
input("\n⏳ 翻译完成后按Enter继续...")
# 4. 引导下载到输出目录
print(f"\n📥 请下载翻译文件到: {self.OUTPUT_DIR}")
output_file = self.OUTPUT_DIR / f"translated_{filename}"
self.queue.update_status(
filename,
TranslationStatus.COMPLETED,
output_path=str(output_file)
)
print(f"✅ {filename} 翻译完成！")
def batch_summary(self):
"""查看批量翻译摘要"""
print("\n📊 翻译任务摘要")
print("-" * 60)
wb = openpyxl.load_workbook("翻译记录.xlsx")
ws = wb["翻译记录"]
total = ws.max_row - 1
completed = sum(
1 for row in ws.iter_rows(min_row=2, values_only=True)
if row[5] == TranslationStatus.COMPLETED.value
)
print(f"总数: {total} | 已完成: {completed} | 待处理: {total - completed}")
print("-" * 60)
# 运行示例
pipeline = PDFTranslatorPipeline()
pipeline.batch_summary()
pipeline.process_next()
Step 4: 批量文档预处理
翻译前可以对文档做批量预处理，提高效率：
import shutil
from pathlib import Path
def preprocess_docs(source_dir: str, max_size_mb: float = 19.0):
"""预处理文档：检查大小、统一命名、分类"""
source = Path(source_dir)
for pdf_file in source.glob("*.pdf"):
size_mb = pdf_file.stat().st_size / (1024 * 1024)
# 检查文件大小（PDFTranslator限制20MB）
if size_mb > max_size_mb:
print(f"⚠️ {pdf_file.name} 过大 ({size_mb:.1f}MB)，建议先压缩")
continue
# 规范化文件名
new_name = pdf_file.name.replace(" ", "_").replace("（", "(").replace("）", ")")
if new_name != pdf_file.name:
new_path = pdf_file.with_name(new_name)
pdf_file.rename(new_path)
print(f"📝 重命名: {pdf_file.name} → {new_name}")
print(f"✅ {pdf_file.name} ({size_mb:.1f}MB) — 就绪")
def postprocess_docs(output_dir: str, prefix: str = "EN_"):
"""后处理：给翻译文件添加语言前缀、归档原文件"""
output = Path(output_dir)
archive = output / "_archive"
archive.mkdir(exist_ok=True)
for pdf_file in output.glob("*.pdf"):
# 已有前缀的跳过
if pdf_file.name.startswith(prefix):
continue
# 添加语言前缀
new_path = pdf_file.with_name(f"{prefix}{pdf_file.name}")
pdf_file.rename(new_path)
print(f"✅ 文档后处理完成，前缀: {prefix}")
# 使用
preprocess_docs("docs/source")
完整工作流
def main():
"""完整翻译流水线入口"""
import sys
print("=" * 55)
print(" 📄 PDF文档翻译自动化流水线")
print("=" * 55)
pipeline = PDFTranslatorPipeline()
while True:
print("\n命令: [n]下一个 [s]摘要 [p]预处理 [q]退出")
cmd = input("> ").strip().lower()
if cmd == "n":
pipeline.process_next()
elif cmd == "s":
pipeline.batch_summary()
elif cmd == "p":
preprocess_docs("docs/source")
elif cmd == "q":
print("👋 流水线已停止")
break
else:
print("未知命令")
if __name__ == "__main__":
main()
运行效果
运行后，终端会显示清晰的步骤指引：
==================================================
📄 PDF文档翻译自动化流水线
==================================================
📊 翻译任务摘要
------------------------------------------------------------
总数: 52 | 已完成: 38 | 待处理: 14
------------------------------------------------------------
命令: [n]下一个 [s]摘要 [p]预处理 [q]退出
> n
==================================================
📄 当前文件: api-reference-v2.3.pdf
📏 大小: 3.2 MB
==================================================
🖱️ 请在浏览器中操作：
1. 打开 https://pdftranslator.org
2. 上传文件: docs/source/api-reference-v2.3.pdf
3. 选择目标语言: English
4. 点击翻译
⏳ 翻译完成后按Enter继续...
优化建议
- 并发处理：如果有多台设备，可以分别上传不同文件，并行翻译
- 自动分类：根据文件名关键词（contract/report/manual）自动选择翻译策略
- 质量检查：翻译后自动对比文件页数、关键元素是否完整
- 通知集成：翻译完成时通过Webhook通知（企业微信/钉钉）
总结
这套方案虽然上传下载环节还需要手动操作，但已经把整个翻译流程的组织、追踪、归档做了系统化管理。50多份技术文档从"散落一桌不知道翻译了哪些"变成了清晰的状态追踪，效率提升明显。
核心价值不在于完全自动化（Web端工具天然有限制），而在于把重复的决策变成了自动化的流程——不用每次都想"这个文件翻了没？放哪了？还要翻什么？"
完整代码已上传，欢迎Star和PR。
标签：Python自动化、PDF翻译、技术文档、效率工具、国际化
扫一扫
295
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
