PDF 翻译是怎么保留排版的？整页替换原理解析（含 DeepL 实测）
整页替换不重排文本：译文按原文档的坐标逐块放回原位、嵌入中文字体，一页对一页替换——版式因此不变。即便是 DeepL 这样常用的付费专业翻译服务，文档翻译走的仍是重排路线，公式与表格的位置依然无法保证。
上一篇我们看过 Google 免费文档翻译的乱版现场，也给出了「整页替换」这个关键词。这篇把话讲透：整页替换在技术上是怎么做到的，以及——用一篇 AI 领域最著名的论文实测——付费工具 DeepL 在同样的文档上会发生什么。
先理解 PDF：为什么「重新排版」必然乱
PDF 的本质是一组打印指令：某个字符画在哪个坐标、某条线从哪画到哪。它不像 Word 那样有段落、分栏、表格的语义结构——工具想从 PDF 里「取出」内容，只能按坐标去猜。
面对这个现实，文档翻译工具分成了三条技术路线：
| 技术路线 | 工作原理 | 版式结果 | 文字质量 |
|---|---|---|---|
| 文本流重排 | 拆成纯文本 → 翻译 → 按普通文档重新排版 | 无法保留 | 取决于翻译引擎 |
| 整页替换 | 定位文本块 → 翻译 → 按原坐标放回 | 完整保留 | 取决于翻译引擎 |
| 双语对照 | 原文与译文并排展示 | 不保留原版式（另起版面） | 取决于翻译引擎 |
这里有一个关键认知：翻译质量和排版保真是两件独立的事。Google 免费文档翻译和 DeepL 文档翻译都走第一条路线——区别在于 DeepL 的翻译引擎更好，文字明显更流畅；但「重新排版」这个环节的先天缺陷，付费也买不断。下面用实测证明这一点。
整页替换的内部过程
整页替换分四步：
- 解析：读取 PDF 中每个文本块的内容和坐标（x, y, 宽, 高）
- 翻译：将文本块送入翻译引擎，公式、图片、图内标签不参与翻译
- 放回：按原坐标生成译文文本块，一页一页替换回去
- 嵌入：把中文字体嵌入 PDF，保证任何设备打开都不缺字
听起来简单，难点全在细节。以下数据来自我们对译文 PDF 的实测检验：
- 坐标精度：原文作者信息块的坐标是 (231, 234)，译文对应块是 (231, 231)——偏差约 3pt（约 1 毫米），肉眼不可见
- 图片零接触：全文 3 个图片对象，译文同样 3 个，数量与位置完全一致
- 公式字体保留：原文用 CMSY 系列数学字体排版公式，译文中这些字体原样保留——公式区域整体不动
- 图内标签不译：框架图里的 RoIAlign、conv 等标签保留英文，符合学术阅读惯例（图是图、文是文）
换句话说：「翻译」只发生在文字层，「文档」的骨架完全不被触碰。这就是版式不乱的全部秘密。
实测：用 DeepL 翻译这篇 Transformer 论文，会发生什么
实测设置：选用 Attention Is All You Need（Transformer 原始论文，NeurIPS 2017，开放获取）——15 页，公式与表格密集，是 AI 领域引用量最高的论文之一，也是无数研究生的精读对象。同一 PDF 分别交给 DeepL 文档翻译（常用的商业文档翻译网站，完整的文档翻译能力需使用其付费方案）和简译，测试时间 2026 年 10 月。
先把公道话说在前面：DeepL 的中文文字质量确实好。 语句流畅自然，术语处理得当，单看文字它是优秀的翻译引擎。但文档翻译不止文字——
15 页变成了 19 页
重排路线的第一代价是页面膨胀：原文 15 页，DeepL 译文 19 页。后果很实际：「原文第 8 页」和「译文第 8 页」从此对不上号，对照精读时要不停翻页找内容。简译版保持 15 页，逐页一一对应。
公式：从「数学」变成「字符」
第 4–5 页是这篇论文的核心公式区（缩放点积注意力、多头注意力）。注意 DeepL 版公式区域的碎片化——重排器不理解「这是一条公式」，它看到的是一行行普通字符，上下标、根号、分式拆散后错位重组：
第 5 页的多头注意力公式区同样如此：
简译版的公式区域保持原样——它们压根不进入翻译流程。
表格与科学计数法
第 8 页是表格重灾区：BLEU 得分对比表加训练参数表，里面全是 10⁻⁹ 这类科学计数法数值。重排后的表格线条断裂、数值格式受损：
汇总对比
| 维度 | DeepL 文档翻译 | 简译（整页替换） |
|---|---|---|
| 页数 | 15 → 19 页，页码错位 | 15 页逐页对应 |
| 数学公式 | 碎片化错乱 | 原样保留（数学字体不动） |
| 表格 / 科学计数法 | 断裂、格式受损 | 结构完整、位置不变 |
| 中文文字质量 | 优秀 | 良好 |
| 计费 | 完整文档翻译需付费方案（以其官网现行资率为准） | 按量付费（积分制），无需订阅 |
如实说明简译版也有两个已知小瑕疵：其一，译文文本层中有少量字符位于 Unicode 兼容区（如「力」「了」），显示完全正常，但在 PDF 内做全文检索时，「注意力」这样的词可能搜不到；其二，中英混排在断行处偶有多余空格。都不影响阅读，但本着谁家产品谁知道的原则，写在这里。
整页替换路线的局限
没有万能路线，整页替换也有边界：
- 扫描件必须先 OCR：扫描版 PDF 没有文字层可供定位，需要先识别再走后续流程（这个主题我们会单独写一篇）
- 极端版式仍有挑战：非矩形排布、跨栏环绕这类艺术排版，坐标还原的难度显著上升
- 术语策略是取舍：Transformer、BLEU 这类术语按学术惯例保留原文，正文概念译为中文——符合多数人的阅读习惯，但偏好「全部保留英文」的用户会觉得多译了
常见问题
整页替换的译文能复制文字吗？
能。译文是真实的 PDF 文字层，不是贴图，可以选中、复制、导出。但要注意上文提到的小瑕疵：部分字符位于兼容区，全文检索个别中文词时可能搜不到。
DeepL 翻译质量那么好，为什么公式表格还是会乱？
因为翻译质量和排版保真是两条独立的生产线。DeepL 的强项在翻译引擎（文字确实好），但它的文档翻译在排版环节采用重排路线——这是路线问题，不是引擎问题。
翻译一篇论文要多少积分？
按量付费、无需订阅。上传 PDF 后会先给出报价（字符数与所需积分），确认后再翻译。计费看字符量而非页数——图表截图占比高的文档通常更省。
扫描版的论文也能整页替换吗？
可以，但必须先 OCR 识别出文字层，再走同样的整页替换流程。OCR 的准确率和失败处理，我们会单独写文章讲。
作者：简译团队｜最后更新：2026 年 10 月 16 日｜实测素材：Attention Is All You Need（arXiv:1706.03762，开放获取）；DeepL 文档翻译与简译均于 2026 年 10 月实测，文中坐标、图片对象数、字体信息来自对译文 PDF 的程序化检验。
相关阅读：
- PDF 翻译后排版乱了怎么办？3 个原因和解决办法（2026 实测）
- 《双栏论文 PDF 怎么翻译不乱版？以 IEEE 模板实测为例》（即将发布）
- 《扫描版的 PDF 能翻译吗？》（即将发布）