---
type: 流程复现
category: 30-文档与交付
project: 文档与交付
created: 2026-10-28
updated: 2026-10-28
tags: [流程复现]
---
# PDF论文翻译并排版为双栏Word

## 什么时候用

需要将 PDF 论文译为 Word、保留公式和图表并按原格式排版时使用。

## 前提

- 已取得可读取的输入 PDF，并准备好输出目录。
- 已安装 `pdfinfo`、`pdftotext`、`pdfimages`、`pdftoppm`、`unzip` 和 LibreOffice。
- 翻译、公式校正、插图取舍与 HTML 内容整理由人工或模型辅助完成；本流程不把翻译伪装成自动命令。
- 翻译完成后，需人工对照原页检查公式、图表、双栏和字体。

## 可直接复制的命令

```bash
# 先按实际文件位置修改这三行，再整段执行。
SRC="/absolute/path/to/paper.pdf"
WORK="/absolute/path/to/ndvi-paper-work"
OUT="/absolute/path/to/ndvi-paper-output"

mkdir -p "$WORK/text" "$WORK/pages" "$WORK/images" "$OUT"

# 读取 PDF 结构、提取保留版式的文字、盘点并渲染页面/插图。
pdfinfo "$SRC" | tee "$WORK/pdfinfo.txt"
pdftotext -layout "$SRC" "$WORK/text/source-layout.txt"
pdfimages -list "$SRC" | tee "$WORK/images/pdfimages-list.txt"
pdftoppm -png -r 200 "$SRC" "$WORK/pages/page"
pdfimages -png "$SRC" "$WORK/images/figure"

# 逐页翻译并校正公式；整理图片后，将最终内容和图片引用写入这个 HTML。
# 这里是人工或模型辅助翻译与排版准备，不是自动翻译命令。
HTML="$WORK/NDVI_生态响应_中文翻译.html"
# 在 $HTML 中完成中文正文、公式校正、图题/表题和参考文献整理。
# 从 $WORK/pages 或 $WORK/images 选取插图，并确保 HTML 使用可访问的图片路径。

# 由 LibreOffice 先将 HTML 转 ODT，再将 ODT 转 DOCX。
libreoffice --headless --convert-to odt --outdir "$WORK" "$HTML"
ODT="$WORK/NDVI_生态响应_中文翻译.odt"
DOCX="$OUT/NDVI_生态响应_中文翻译.docx"
libreoffice --headless --convert-to docx:"Office Open XML Text" --outdir "$OUT" "$ODT"

# 解压检查 DOCX 中的插图、sectPr 双栏和东亚字体。
CHECK="$WORK/docx-check-$(date +%Y%m%d-%H%M%S)"
mkdir -p "$CHECK"
unzip -qo "$DOCX" -d "$CHECK"
XML="$CHECK/word/document.xml"
find "$CHECK/word/media" -maxdepth 1 -type f -print
test -d "$CHECK/word/media"
test "$(find "$CHECK/word/media" -maxdepth 1 -type f | wc -l)" -gt 0
grep -n 'w:sectPr' "$XML"
grep -n 'w:cols' "$XML"
grep -Eq '<w:cols[^>]*w:num="2"' "$XML" || { echo "未发现双栏 w:cols" >&2; exit 1; }
grep -q 'eastAsia="黑体"' "$XML" || { echo "未发现 eastAsia=黑体" >&2; exit 1; }

# 导出 PDF，打开 PDF 逐页检查双栏、公式、插图、分页和字体效果。
libreoffice --headless --convert-to pdf --outdir "$OUT" "$DOCX"
PDF="$OUT/NDVI_生态响应_中文翻译.pdf"
pdfinfo "$PDF"
test -s "$PDF"

# 最后登记 DOCX 和 PDF 成果并取得下载链接。
/vol1/ai/_scripts/deliver-link "$DOCX" "NDVI论文中文双栏Word" "PDF论文中文翻译、插图与双栏排版的 DOCX" "文档与交付"
/vol1/ai/_scripts/deliver-link "$PDF" "NDVI论文中文双栏PDF" "由双栏 DOCX 导出的版式检查 PDF" "文档与交付"
```

## 关键参数与坑（表格）

| 项 | 值 / 说明 |
|---|---|
| `SRC` / `WORK` / `OUT` | 分别是输入 PDF、处理中间文件目录、最终 DOCX/PDF 输出目录；先改为绝对路径。 |
| 公式编码异常 | 抽取文本或转换后出现乱码时，必须回看并对照 `pdftoppm` 渲染的原 PDF 页图逐页校正，不能只依据抽取文本修正。 |
| 图片嵌入 | 整理后的插图必须嵌入 DOCX；交付前检查 `word/media/` 存在且至少有图片文件，避免只保留外部路径。 |
| Word 分栏 | 检查 DOCX 的 `word/document.xml` 中 `sectPr` 下的 `w:cols`，确认存在 `w:num="2"` 且节范围正确。 |
| 黑体东亚字体 | 中文文字的 `w:rFonts` 应设置东亚字体 `w:eastAsia="黑体"`，同时在 Word/LibreOffice 中抽查显示效果。 |
| 参考文献 | 可保留原文，重点是条目完整、顺序不乱、引用关系可核对。 |
| LibreOffice 转换 | 必须先 HTML → ODT，再 ODT → DOCX；转换成功不等于图片、双栏和字体都正确。 |
| PDF 版式 | 导出 PDF 后逐页检查双栏、公式、图片、分页和字体；PDF 能生成不等于版式正确。 |

## 验证（怎么算做成了）

- `DOCX` 和导出的 `PDF` 均为非空文件，并能用 LibreOffice 或兼容办公软件打开。
- 解压后的 `DOCX/word/media` 存在且包含嵌入插图；公式在 PDF 页图与最终文档中可对照确认。
- `word/document.xml` 的 `w:sectPr` 下存在 `w:cols w:num="2"`，中文运行的字体属性包含 `eastAsia="黑体"`。
- 打开导出的 PDF 逐页确认双栏、图片、公式、分页与参考文献版式符合预期。
- 两次 `deliver-link` 均返回 `DOWNLOAD:` 链接；链接可生成并能下载对应 DOCX/PDF。
