把俄语 PDF 译成英语并保留版式
目录
一份俄语合同、发票或研究论文，即便译成了通顺的英语，只要表格塌掉、双栏并成一条文字流，或半份扫描件变成乱码，就只算做完了一半。
把俄语 PDF 译成英语有两个彼此独立的失败点。第一是能否读出西里尔文：基于文本的 PDF 里本来就有真实字符，但扫描版 PDF 只是页面的图片，必须先用针对俄语训练的 OCR，翻译才能开始。第二是把英语放回原位：英语通常占用的空间与俄语不同，所以表格、分栏、页眉和印章，正是粗心工具弄坏版面的地方。
本指南覆盖这两点。先判断你拿到的是哪种 PDF，确认西里尔文识别正确，用具备版式意识的工具翻译，并在为整份文件付费前，先检查最容易坏的页面。
步骤 1：判断俄语 PDF 是文本版还是扫描版
打开 PDF，试着用光标选中一个俄语单词，再复制粘贴到文本编辑器里。
| 发生了什么 | 意味着什么 | 该怎么做 |
|---|---|---|
单词高亮，并粘贴成可读的西里尔文（例如 Договор） |
基于文本的 PDF | 直接翻译；不需要 OCR |
| 什么都选不中，或整页被当成一张图选中 | 扫描 / 图片 PDF | 需要支持俄语的 OCR |
粘贴成 Äîãîâîð 这类乱码，或空方框 |
文本层字体编码损坏 | 当作扫描件处理，让 OCR 重新读页 |
第三种情况常让人措手不及。较旧的俄语 PDF 往往使用遗留编码或自定义字体，所以屏幕上看起来正常，底层字符却是错的。无论翻译器多好，对那一层做机器翻译都会得到一堆胡话。
步骤 2：确认西里尔文 OCR 读得对
如果文件是扫描件，OCR 质量决定后续一切。错一个字母就会变成错一个词，而英语输出还会自信地错下去。
先检查扫描质量。 若能重新扫描，尽量用 300 DPI，摆正歪斜页面，并避免斜角拍的手机照片。淡复印件和页边手写批注，是俄语 OCR 最容易翻车的地方。
留意拉丁文–西里尔文形近字。 俄语有些字形与拉丁字母相像：А В Е К М Н О Р С Т Х，以及小写 а е о р с у х。未设为俄语的 OCR 可能在同一个词里混用两套字母。肉眼看着还行，对翻译器却成了未知词。像 Tesseract 这类引擎会单独提供俄语训练模型（rus），正是为了这个原因。
抽查容易混淆的字母。 在一页密文上，留意 ш/щ、ь/ъ/ы、и/й 和 е/ё。再检查数字：金额、日期（12.03.2024）和文件编号上的 OCR 错误，往往最贵。
若想更系统地了解纯图片文件的 OCR，请看如何用 OCR 翻译扫描版 PDF 并保留版式。
步骤 3：用具备版式意识的 PDF 翻译器来译
复制粘贴进聊天框或网页翻译器，只会得到英语正文，文档本身全没了。要保留版式，应使用能在每一页原位重写文字的工具。
- 上传原始 PDF。 用源文件，不要用截图或重新另存的打印件。OpenL Doc Translator for PDF 接受基于文本和扫描版 PDF，上限 80 MB，会对图片文字跑 OCR，并设计为保留表格、图片、字体和页面版式。
- 把语言设为 Russian → English。 明确指定源语言，而不是依赖自动检测，有助于处理同时含英语品牌名或拉丁缩写的混排页。
- 生成免费预览。 OpenL 会给出保留格式的译文免费预览，让你在付费前先判断效果。
步骤 4：检查最容易坏的页面
不要只看封面页来判断预览。打开最难做对的那些页：
| 页面元素 | 检查什么 | 常见的俄语 → 英语问题 |
|---|---|---|
| 表格 | 表头仍在正确列上方；数字在正确单元格里 | 冗长的俄语复合表头变成短英语（或反过来），单元格重排 |
| 双栏版式 | 阅读顺序仍是左栏 → 右栏 | 分栏被逐行并成一段 |
| 数字与日期 | 1 234,56 和 12.03.2024 的惯例处理一致 |
小数逗号或日在前的日期被悄悄改掉，或留下歧义 |
| 印章、钢印、签名 | 仍在页面原位 | 图片被推到页末或丢失 |
| 缩写 | ООО、ИНН、г.、руб. 处理合理 |
仍留西里尔文，或错误展开 |
| 字体 | 英语文字干净显示，没有方框 | 原字体只覆盖西里尔文时发生字体替换 |
文本长度会变。W3C 关于翻译中文本大小的说明解释了为何短标签变化最大。那通常意味着表格单元格更紧或更松，而不是结构坏了。关于还该检查什么，见文档翻译中表格会发生什么。
步骤 5：按量付费并下载
预览看起来没问题后，再下载完整文件。OpenL Doc Translator 对完整翻译按文档量计积分收费。没有无限次完整文档下载的免费试用。免费预览就是你在花任何钱之前测试文件的方式。
下载后，再做最后一轮检查：
- 在英语 PDF 里搜索残留的西里尔文。未译的短片段通常来自图片内文字或不寻常字体。
- 把每张表格的合计与日期，对照俄语原文核对。
- 检查姓名。俄语人名有多种常见罗马化写法（
Юрий→ Yuri / Yury / Iurii），请与护照或既往文件中的拼写保持一致。
合同、法庭文件、病历和签证材料仍需要合格的人工译者，往往还要认证译者。保留版式的机器翻译是很好的初稿，也是快速理解文档的方式。它不能代替认证。
快速决策指南
| 你的俄语 PDF 是… | 最佳做法 |
|---|---|
| 基于文本的报告或手册 | 直接上传；预览表格最密的那一页 |
| 扫描版合同或证书 | 尽量以 300 DPI 重新扫描；在预览中核对数字与姓名的 OCR |
| 双栏学术论文 | 下载前预览带分栏和脚注的一页 |
| 粘贴成乱码的旧 PDF | 当作扫描件处理，让文字被重新识别 |
如果你对这门语言本身还不熟，我们的俄语语言指南讲解了西里尔字母表，以及为什么有些字母会同时绊倒人和机器。
准备好后，把你最担心的那一页上传到 OpenL Doc Translator，检查免费预览。如果表格和分栏仍像原件，文档其余部分通常也会跟上。
Sources
- Traineddata files for Tesseract — tessdoc — Language-specific OCR models, including Russian (
rus) - Russian alphabet — Wikipedia — The 33-letter Cyrillic alphabet and letter forms
- Text size in translation — W3C Internationalization — Why translated text changes length and affects layout
- AI PDF Translator — OpenL Doc — Text and scanned PDF support, 80 MB limit, layout retention, free preview
