扫描件说明书翻译翻车现场：37页PDF字迹模糊还带表格

先别急着扔进翻译软件

上周帮同事处理一台德国产激光测距仪的说明书——37页A4扫描PDF，分辨率只有120dpi，部分页面还带阴影和装订孔压痕。直接丢进在线翻译，结果‘Laser Class 2’被译成‘激光班级2’，‘±0.5 mm’变成‘±0.5毫米（空格）mm’。问题不在翻译引擎，而在原始文本提取阶段就塌了。

扫描件不是图片，而是‘伪文本’：肉眼可见文字，但PDF里没字符编码。OCR必须先跑通，否则后续全是无用功。我们试过5款主流OCR工具，发现当扫描件出现斜线阴影、浅灰底纹或手写批注时，识别率会从92%暴跌到63%，尤其表格线交叉处容易吞掉单元格内容。

表格和公式得单独拎出来修

说明书里常有参数对照表、接线图标注、单位换算公式。这类内容用普通OCR一扫，轻则列错位，重则整行消失。比如一页含12列的电气接口表，导出为Word后只剩7列，第3、8、11列数据全挤在第一列里。这时候别硬调格式，建议先用PDF转Word工具生成初稿，再把表格区域截图，用‘物品抠图’功能把表格框精准切下来——不是裁剪，是保留原比例+自动去背景，方便后续贴回文档对齐位置。

遇到带上下标的单位（如m²/s），OCR常识别成‘m2/s’。我们会在Word里批量替换‘m2’为‘m²’，但前提是原文本已正确分离。如果PDF本身是图像型，连‘m’和‘2’都粘连在一起，就得放大到400%手动描边校正，再重新OCR。

中英混排标点是隐形雷区

说明书里一句‘请勿在-20°C ~ +60°C环境下使用’，扫描后OCR可能输出‘请勿在-20°C~+60°C环境下使用’（中文波浪号吞掉空格），翻译时就变成‘-20°C~+60°C’被整体当变量处理，译文变成‘负20摄氏度波浪号正60摄氏度’。这种错误不会报错，但人工校对时极难发现。

我们的做法是：导出Word后，用查找替换批量处理三类符号——英文短横（-）替换成中文全角减号（－），英文波浪号（~）替换成中文波浪号（～），英文句点（.）在数字后统一加空格（如‘2.5’→‘2.5 ’）。这一步耗时约8分钟，但能避开80%的术语误译。另外提醒：PDF压缩时慎用‘高压缩比’选项，它会模糊字体边缘，OCR识别‘O’和‘0’、‘l’和‘1’的错误率直接翻倍。