原文档内容和翻译结果重叠，是否存在屏蔽原文档内容选项

[tomatolike-self]

问题描述

我在使用 pdf2zh 时遇到了一些问题：

• 设备信息: Mac M1
• Python 版本: Python 3.12.7
• pdf2zh 版本: pdf2zh v1.8.8

翻译文档时出现了 原文档内容和翻译结果重叠 的现象，导致阅读体验较差

是否存在类似 pdf2zh example.pdf -f xxx 的功能，能够将翻译页面中的原文档内容屏蔽，单纯只保留翻译结果？

测试文档

Chankin - jou.roalof ggcloar materials.pdf

[tomatolike-self]

#444 中提到新版本已经有这一功能了，等新版发布吧

[hellofinch]

你这个是扫描件，需要OCR，暂时处理不了。
#19
: )

[tomatolike-self]

好吧，但是我看翻译页面其实是有翻译后结果的，而且原文档是支持选中文字的。

我想的是能不能存在一个选项，能够在翻译页面关闭原文档的图像画面，以免重叠
之前提到的 #444 中说下版本会出现一个新的关闭选项，所以之前关掉了这个issue，但今天看似乎和我这里不是一个需求？

[tomatolike-self]

另外翻译页面中pdf的文字层其实已经是中文翻译结果了

原文档的内容似乎是直接作为背景图给贴上去了？

[hellofinch]

这个PDF是个扫描件，你能复制不是PDF本身能复制，是你的阅读器让你能复制。
原始的内容不是我们不想去，是它去不了。
所以，等OCR功能吧。
: )

[awwaawwa]

@hellofinch 其实我们应该是能去掉这个图片内容的hhhhhhh

等我把手上事情做一做之后来看一看这个需求，请耐心等待，感谢。

[hellofinch]

我之前试着删过，没删掉。。。。

[awwaawwa]

@hellofinch 背景图在ops_base里。理论上把这个删了，就只剩下翻译输出的文字+公式了。
https://github.com/Byaidu/PDFMathTranslate/blob/f30133e040a85633c708ccbdc8ad9a6db75ed763/pdf2zh/pdfinterp.py#L267C1-L268C1

https://github.com/Byaidu/PDFMathTranslate/blob/f30133e040a85633c708ccbdc8ad9a6db75ed763/pdf2zh/pdfinterp.py#L273C18-L273C26

[awwaawwa]

这是我在新后端上移除ops_base后的测试效果。ps 空白区域有字，只是由于bug显示为空白。

[liuyun16]

C. Campbell et al_Surface Science Reports_1997 _Ultrathin metal films and particles on oxide surfaces structural, electronic and chemisorptive prop-mono.pdf

@hellofinch 背景图在ops_base里。理论上把这个删了，就只剩下翻译输出的文字+公式了。 https://github.com/Byaidu/PDFMathTranslate/blob/f30133e040a85633c708ccbdc8ad9a6db75ed763/pdf2zh/pdfinterp.py#L267C1-L268C1

https://github.com/Byaidu/PDFMathTranslate/blob/f30133e040a85633c708ccbdc8ad9a6db75ed763/pdf2zh/pdfinterp.py#L273C18-L273C26

强，非常期待这个更新！我发现这是老一点的pdf文档的通病。可能年代久远的pdf文件，底层都是图像层而非文字层。我这里也发现了90年代，elsiview的文档都是这个原文图像没有删除。

我也附上了我的翻译了一页的结构，在上述pdf的第五页。可以看到重影。

[awwaawwa]

@liuyun16 慢慢蹲吧，这个优先级比较低。得先做其他的。

[aik2mlj]

一个权宜的方法：在翻译得到文字/图像重叠的pdf后，用其他工具删除图像层。
https://chatgpt.com/share/67b11a1c-9ecc-800e-9810-fd61a1d84044

我在linux下测试了使用ghostscript，可以得到不错的结果：

gs -o output.pdf -sDEVICE=pdfwrite -dFILTERIMAGE input.pdf