初始提交: 英文PDF翻译中文工具

功能:
- 从PDF提取文本并翻译成中文
- 支持Markdown/TXT/JSON输出格式
- 上下文连贯翻译
- 自动重试机制

配置:
- API: http://192.168.2.5:1234/v1
- 模型: qwen/qwen3.5-35b-a3b

README.md

@@ -0,0 +1,87 @@
+# 英文PDF翻译中文工具
+
+基于本地 LLM 服务（Qwen3.5）的英文PDF自动翻译工具。
+
+## 功能特点
+
+- ✅ 从 PDF 提取文本并翻译成中文
+- ✅ 保持原文段落结构
+- ✅ 支持多种输出格式 (Markdown/TXT/JSON)
+- ✅ 上下文连贯翻译
+- ✅ 自动重试机制
+
+## 快速使用
+
+```bash
+# 翻译 PDF 为 Markdown
+python translate_pdf.py input.pdf output.md
+
+# 指定输出格式
+python translate_pdf.py input.pdf output.txt --format txt
+
+# JSON 格式（包含原文对照）
+python translate_pdf.py input.pdf output.json --format json
+
+# 测试 LLM 连接
+python translate_pdf.py --test
+```
+
+## 配置说明
+
+修改 `translate_pdf.py` 中的 `CONFIG` 部分：
+
+```python
+CONFIG = {
+    "api_base": "http://192.168.2.5:1234/v1",  # LLM API 地址
+    "api_key": "sk-lm-fuP5tGU8:Hi7YU87jHyDP6Ay8Tl2j",  # API Key
+    "model": "qwen/qwen3.5-35b-a3b",  # 模型名称
+    "chunk_size": 2000,    # 每次翻译字符数
+    "max_tokens": 8000,    # 最大输出 token（需足够让思考完成）
+    "timeout": 180,        # 单次请求超时(秒)
+}
+```
+
+## 依赖安装
+
+```bash
+pip install pypdf openai
+```
+
+## 注意事项
+
+⚠️ **Qwen 模型的思考模式**
+
+Qwen3.5 模型会在翻译前进行"思考"，占用大量 token。因此：
+- `max_tokens` 需设置较大（建议 8000+）
+- 翻译速度较慢（约 30秒/块）
+- 适合处理重要文档，不适合快速预览
+
+## 输出示例
+
+输入英文：
+```
+Machine learning is a subset of artificial intelligence (AI) 
+that enables systems to learn and improve from experience.
+```
+
+输出中文：
+```
+机器学习是人工智能（AI）的一个子集，
+它使系统能够从经验中学习和改进。
+```
+
+## 文件结构
+
+```
+pdf-translator/
+├── translate_pdf.py   # 主翻译脚本
+├── README.md          # 使用说明
+└── output.md          # 翻译输出示例
+```
+
+## 扩展建议
+
+1. **批量翻译**：循环处理多个 PDF
+2. **进度保存**：中断后可从上次位置继续
+3. **质量检查**：对比原文与译文段落
+4. **格式优化**：保留 PDF 原排版样式

translate_pdf.py

@@ -0,0 +1,354 @@
+#!/usr/bin/env python3
+"""
+英文PDF翻译中文工作流
+使用本地LLM服务进行翻译
+"""
+
+import os
+import sys
+import re
+import json
+import time
+from pathlib import Path
+from typing import List, Optional
+from pypdf import PdfReader
+from openai import OpenAI
+
+# ==================== 配置 ====================
+CONFIG = {
+    "api_base": "http://192.168.2.5:1234/v1",
+    "api_key": "sk-lm-fuP5tGU8:Hi7YU87jHyDP6Ay8Tl2j",
+    "model": "qwen/qwen3.5-35b-a3b",
+    "chunk_size": 2000,        # 每次翻译的字符数（减小以加速）
+    "max_tokens": 8000,        # 最大输出token（必须足够让思考完成）
+    "temperature": 0.3,        # 低温度保证稳定翻译
+    "retry_times": 3,          # 重试次数
+    "retry_delay": 2,          # 重试延迟(秒)
+    "timeout": 180,            # 单次请求超时(秒)
+}
+
+# ==================== LLM 客户端 ====================
+client = OpenAI(
+    api_key=CONFIG["api_key"],
+    base_url=CONFIG["api_base"],
+)
+
+def translate_text(text: str, context: str = "") -> str:
+    """
+    调用LLM翻译文本
+    
+    Args:
+        text: 待翻译的英文文本
+        context: 前文上下文（保持翻译连贯性）
+    
+    Returns:
+        翻译后的中文文本
+    """
+    system_prompt = """你是一个专业的英译中翻译专家。请遵循以下规则：
+1. 保持原文的格式和段落结构
+2. 专业术语保持准确性，必要时保留英文原文
+3. 语言流畅自然，符合中文表达习惯
+4. 不要添加任何解释或注释，只输出翻译结果"""
+
+    user_prompt = f"""请将以下英文翻译成中文。直接输出中文翻译，不要解释。
+
+{f'参考前文：{context[-300:]}' if context else ''}
+
+英文内容：
+{text}"""
+
+    for attempt in range(CONFIG["retry_times"]):
+        try:
+            response = client.chat.completions.create(
+                model=CONFIG["model"],
+                messages=[
+                    {"role": "system", "content": system_prompt},
+                    {"role": "user", "content": user_prompt}
+                ],
+                max_tokens=CONFIG["max_tokens"],
+                temperature=CONFIG["temperature"],
+                timeout=CONFIG["timeout"],
+            )
+            
+            content = response.choices[0].message.content
+            # 如果content为空但有reasoning_content，说明思考未完成
+            if not content or content.strip() == "":
+                print(f"  ⚠️ 思考未完成输出，增加等待...")
+                time.sleep(1)
+                continue
+            
+            return content.strip()
+        
+        except Exception as e:
+            print(f"  ⚠️ 翻译失败 (尝试 {attempt+1}/{CONFIG['retry_times']}): {e}")
+            if attempt < CONFIG["retry_times"] - 1:
+                time.sleep(CONFIG["retry_delay"])
+    
+    return text  # 失败时返回原文
+
+
+def extract_pdf_text(pdf_path: str) -> List[dict]:
+    """
+    从PDF提取文本，按页分组
+    
+    Returns:
+        [{"page": 1, "text": "..."}, ...]
+    """
+    reader = PdfReader(pdf_path)
+    pages_text = []
+    
+    for i, page in enumerate(reader.pages):
+        text = page.extract_text()
+        if text.strip():
+            # 清理文本
+            text = clean_text(text)
+            pages_text.append({
+                "page": i + 1,
+                "text": text
+            })
+    
+    return pages_text
+
+
+def clean_text(text: str) -> str:
+    """
+    清理提取的PDF文本
+    """
+    # 移除多余空白
+    text = re.sub(r'\n{3,}', '\n\n', text)
+    text = re.sub(r' {2,}', ' ', text)
+    # 移除特殊字符干扰
+    text = re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f]', '', text)
+    return text.strip()
+
+
+def chunk_text(text: str, max_size: int = CONFIG["chunk_size"]) -> List[str]:
+    """
+    将长文本分割成小块进行翻译
+    
+    按段落分割，避免句子断裂
+    """
+    paragraphs = text.split('\n\n')
+    chunks = []
+    current_chunk = ""
+    
+    for para in paragraphs:
+        if len(current_chunk) + len(para) < max_size:
+            current_chunk += para + '\n\n'
+        else:
+            if current_chunk:
+                chunks.append(current_chunk.strip())
+            current_chunk = para + '\n\n'
+    
+    if current_chunk:
+        chunks.append(current_chunk.strip())
+    
+    return chunks
+
+
+def translate_pdf(
+    pdf_path: str,
+    output_path: str,
+    output_format: str = "markdown",
+    progress_callback: Optional[callable] = None
+) -> dict:
+    """
+    翻译PDF文档
+    
+    Args:
+        pdf_path: 输入PDF路径
+        output_path: 输出文件路径
+        output_format: 输出格式 (markdown/txt/json)
+        progress_callback: 进度回调函数
+    
+    Returns:
+        翻译统计信息
+    """
+    print(f"📖 开始处理: {pdf_path}")
+    
+    # 提取文本
+    pages_text = extract_pdf_text(pdf_path)
+    total_pages = len(pages_text)
+    print(f"📄 共 {total_pages} 页")
+    
+    # 翻译统计
+    stats = {
+        "total_pages": total_pages,
+        "total_chunks": 0,
+        "translated_chunks": 0,
+        "failed_chunks": 0,
+        "total_chars": 0,
+        "translated_chars": 0,
+        "time_elapsed": 0,
+    }
+    
+    start_time = time.time()
+    translated_pages = []
+    context = ""  # 保持上下文连贯
+    
+    for page_data in pages_text:
+        page_num = page_data["page"]
+        page_text = page_data["text"]
+        
+        print(f"\n📝 翻译第 {page_num}/{total_pages} 页...")
+        
+        # 分块
+        chunks = chunk_text(page_text)
+        stats["total_chunks"] += len(chunks)
+        
+        translated_chunks = []
+        for i, chunk in enumerate(chunks):
+            print(f"  🔄 块 {i+1}/{len(chunks)} ({len(chunk)} 字符)")
+            
+            translated = translate_text(chunk, context)
+            
+            if translated != chunk:
+                stats["translated_chunks"] += 1
+                stats["translated_chars"] += len(translated)
+            else:
+                stats["failed_chunks"] += 1
+            
+            translated_chunks.append(translated)
+            context = translated  # 更新上下文
+            
+            # 进度回调
+            if progress_callback:
+                progress_callback(page_num, total_pages, i+1, len(chunks))
+        
+        translated_page_text = '\n\n'.join(translated_chunks)
+        translated_pages.append({
+            "page": page_num,
+            "original": page_text,
+            "translated": translated_page_text
+        })
+        
+        stats["total_chars"] += len(page_text)
+    
+    # 生成输出
+    stats["time_elapsed"] = time.time() - start_time
+    save_output(translated_pages, output_path, output_format)
+    
+    print(f"\n✅ 翻译完成!")
+    print(f"📊 统计:")
+    print(f"   - 总页数: {stats['total_pages']}")
+    print(f"   - 总块数: {stats['total_chunks']}")
+    print(f"   - 成功: {stats['translated_chunks']}")
+    print(f"   - 失败: {stats['failed_chunks']}")
+    print(f"   - 耗时: {stats['time_elapsed']:.1f}秒")
+    print(f"   - 输出: {output_path}")
+    
+    return stats
+
+
+def save_output(
+    translated_pages: List[dict],
+    output_path: str,
+    output_format: str = "markdown"
+):
+    """
+    保存翻译结果
+    """
+    if output_format == "markdown":
+        content = f"# 英文PDF中文翻译\n\n> 自动翻译生成\n\n---\n\n"
+        for page in translated_pages:
+            content += f"## 第 {page['page']} 页\n\n"
+            content += page["translated"] + "\n\n---\n\n"
+    
+    elif output_format == "txt":
+        content = ""
+        for page in translated_pages:
+            content += f"=== 第 {page['page']} 页 ===\n\n"
+            content += page["translated"] + "\n\n"
+    
+    elif output_format == "json":
+        content = json.dumps(translated_pages, ensure_ascii=False, indent=2)
+    
+    else:
+        raise ValueError(f"不支持的格式: {output_format}")
+    
+    # 确保目录存在
+    output_dir = os.path.dirname(output_path)
+    if output_dir:
+        os.makedirs(output_dir, exist_ok=True)
+    
+    with open(output_path, 'w', encoding='utf-8') as f:
+        f.write(content)
+
+
+# ==================== CLI 接口 ====================
+def main():
+    """命令行入口"""
+    import argparse
+    
+    parser = argparse.ArgumentParser(
+        description='英文PDF翻译中文工具',
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+        epilog="""
+示例:
+  # 翻译PDF并输出为Markdown
+  python translate_pdf.py input.pdf output.md
+  
+  # 指定输出格式
+  python translate_pdf.py input.pdf output.txt --format txt
+  
+  # 输出JSON格式（包含原文对照）
+  python translate_pdf.py input.pdf output.json --format json
+"""
+    )
+    
+    parser.add_argument('input', nargs='?', help='输入PDF文件路径')
+    parser.add_argument('output', nargs='?', help='输出文件路径')
+    parser.add_argument('--format', '-f', 
+                        choices=['markdown', 'txt', 'json'],
+                        default='markdown',
+                        help='输出格式 (默认: markdown)')
+    parser.add_argument('--chunk-size', '-c',
+                        type=int,
+                        default=CONFIG['chunk_size'],
+                        help=f'翻译块大小 (默认: {CONFIG["chunk_size"]})')
+    parser.add_argument('--test', '-t',
+                        action='store_true',
+                        help='测试LLM连接')
+    
+    args = parser.parse_args()
+    
+    # 更新配置
+    if args.chunk_size:
+        CONFIG['chunk_size'] = args.chunk_size
+    
+    # 测试连接
+    if args.test:
+        test_connection()
+        return
+    
+    # 检查输入文件
+    if not os.path.exists(args.input):
+        print(f"❌ 文件不存在: {args.input}")
+        sys.exit(1)
+    
+    # 执行翻译
+    translate_pdf(args.input, args.output, args.format)
+
+
+def test_connection():
+    """测试LLM连接"""
+    print("🔗 测试LLM连接...")
+    print(f"   API: {CONFIG['api_base']}")
+    print(f"   模型: {CONFIG['model']}")
+    
+    try:
+        response = client.chat.completions.create(
+            model=CONFIG["model"],
+            messages=[
+                {"role": "user", "content": "请用中文回复：你好"}
+            ],
+            max_tokens=50,
+        )
+        print(f"✅ 连接成功!")
+        print(f"   回复: {response.choices[0].message.content}")
+    except Exception as e:
+        print(f"❌ 连接失败: {e}")
+
+
+if __name__ == "__main__":
+    main()