項目地址：https://gitee.com/Shanyalin/pdf-tranlate。
先說一聲抱歉，工作原因無法將所有代碼開源，但是到目前所有的處理思路及方案都會在本總結篇中說明。
1.關於版面分析
將paddleocr和docbank分別封裝成web服務分開部署，開發時兩個項目的運行環境會在某歷史版本上有衝突，因此各自用了一套虛擬環境來分開運行。web服務通過頁面圖片識別返回頁面的佈局信息。
docbank返回的標籤有12個（相關腳本中是13個）；paddleocr返回的標籤可以自定義，預訓練模型裏返回的標籤是5個，且是docbank返回標籤的子集。因此可以將兩個預訓練模型識別出的佈局信息合併處理，選擇準確度較高的識別結果，也可以對不同的標籤採用不同的閾值進行採用。例如paddleocr中list、table的識別結果可以臨時提高閾值，當然這跟實際識別需求有關。
2.關於識別特殊字符
特殊字符在pymupdf中通常被識別爲65533，實際上\ud800-\udfff（即55296-57343）之間的符號在mupdf中都無法識別，部分特殊符號（d800-db7f）是用兩個來表示特殊符號的。對於這些無法識別的符號，已經確認可以將指定區域轉化爲pixmap進行圖片提取。我們可以先用佔位符替換特殊符號，待翻譯完畢後對佔位符進行替換，在佔位符的位置換上圖片輸出即可，但是文本輸出與圖片輸出需要分開調用，所以需要計算排版。
3.關於文本整合
起初的思路是依賴mupdf在提取時以block爲單位，block內的lines及lines下的spans都是採取默認合併的思路，或者通過觀察總結規律來對block進行合併，甚至有專門的對table進行識別的方案。但實踐證明這種方案錯誤率較高。
引入機器學習對版面進行分析後，根據要處理的文本來靈活調整閾值，儘管仍有不足，但文本整合的效果確實更好了。兩個模型預測結果的交叉對比，使得文本在提取後更容易整合。比如在確定文本是table及其他不需要處理的佈局內，可以直接將表格內容跳過；在確定兩部分文字同屬一個佈局，即可對文本進行整合。
文本整合繞不開的文本的提取，get_text的不同參數有不同的提取結果，且會對文本的bbox產生影響，如提取過程中英文的某些字符座標出現異常，進而span、line的bbox受到影響。
一個例子幫助理解下，字符串“span”在提取時返回的結果是:[{‘bbox’: (10,10,16,18), ’c’:’s’, ’origin’: (10,16)},{‘bbox’: (16,10,38,18), ’c’: ‘p’, ‘origin’: (16,16)},{‘bbox’: (22,10,28,18), ‘c’: ‘a’, ‘origin’: (22,16)},{‘bbox’: (28,10,34,18), ‘c’: ‘n’, ‘origin’: (28,16)}]，那line的bbox是（10,10,38,18）還是(10,10,34,18)呢？ (10,10,38,18)，實際上我們更希望獲得的是(10,10,34,18)，（10,10,38,18）可能無法用版面分析結果來進行文本的整合。
就目前的試驗而言，對英文采用rawdict進行提取，以char爲最小單位，提取整合後以span爲基本單位進行後續的整合；對中文采用dict進行提取，以span爲基本單位進行後續整合，不必使用char重新整合；Span之後的中英文整合邏輯基本一致。
關於rawdict、dict的結構，可查看：TextPage — PyMuPDF 1.19.3 documentation
4.關於文本輸出
文本輸出包括兩部分：一，排版或預排版；二，輸出。先說輸出，因爲排版或預排版是受輸出方法影響的。
文本輸出常採用shape.insert_textbox和textwriter.fill_textbox.兩種方式。這兩個方法的源碼中都有預排版過程，且都是強耦合，區別在於fill_textbox可以獲取最後一個字符的結束位置，而insert_textbox則是返回未輸出的部分。
另一個影響輸出的問題是字體，pymupdf中內置了不少字體，也可以通過pymupdf-font來引入更多的字體，甚至是引入自定義字體。在部分情況下一種字體很難完成整個pdf的文本輸出，尤其是數學類學科的文檔，數學符號等在常用字體中是沒有相關編碼的，直接在mupdf中輸出結果大概率是65533。因此在輸出的時候需要檢測當前字體是否可以完整輸出，如果不可以就需要對文本切分，更換輸入法。
然後再來說說預排版。通過讀pymupdf的源碼我們可以對它預排版的思路有所瞭解。簡而言之可以理解成語文考試中寫作文，提前畫好格子，然後往裏邊排文字。不同的字號對應了同樣大小的範圍，每行寫的字數。
如果考慮了所有輸出中出現的問題，那麼預排版是可以進行解耦的，當然這會極大得增加複雜性。在充分閱讀了源碼之後，我們可以對源碼進行擴展來適用我們的需求。提取預排版代碼用於計算文本的字體大小，擴展自動檢測文本是否需要更換字體輸出等功能。
5.關於原樣輸出
可以採用覆蓋的思路，儘量在原位置輸出，已證實可行，但需要提高版面分析的精度。