项目地址：https://gitee.com/Shanyalin/pdf-tranlate。
先说一声抱歉，工作原因无法将所有代码开源，但是到目前所有的处理思路及方案都会在本总结篇中说明。
1.关于版面分析
将paddleocr和docbank分别封装成web服务分开部署，开发时两个项目的运行环境会在某历史版本上有冲突，因此各自用了一套虚拟环境来分开运行。web服务通过页面图片识别返回页面的布局信息。
docbank返回的标签有12个（相关脚本中是13个）；paddleocr返回的标签可以自定义，预训练模型里返回的标签是5个，且是docbank返回标签的子集。因此可以将两个预训练模型识别出的布局信息合并处理，选择准确度较高的识别结果，也可以对不同的标签采用不同的阈值进行采用。例如paddleocr中list、table的识别结果可以临时提高阈值，当然这跟实际识别需求有关。
2.关于识别特殊字符
特殊字符在pymupdf中通常被识别为65533，实际上\ud800-\udfff（即55296-57343）之间的符号在mupdf中都无法识别，部分特殊符号（d800-db7f）是用两个来表示特殊符号的。对于这些无法识别的符号，已经确认可以将指定区域转化为pixmap进行图片提取。我们可以先用占位符替换特殊符号，待翻译完毕后对占位符进行替换，在占位符的位置换上图片输出即可，但是文本输出与图片输出需要分开调用，所以需要计算排版。
3.关于文本整合
起初的思路是依赖mupdf在提取时以block为单位，block内的lines及lines下的spans都是采取默认合并的思路，或者通过观察总结规律来对block进行合并，甚至有专门的对table进行识别的方案。但实践证明这种方案错误率较高。
引入机器学习对版面进行分析后，根据要处理的文本来灵活调整阈值，尽管仍有不足，但文本整合的效果确实更好了。两个模型预测结果的交叉对比，使得文本在提取后更容易整合。比如在确定文本是table及其他不需要处理的布局内，可以直接将表格内容跳过；在确定两部分文字同属一个布局，即可对文本进行整合。
文本整合绕不开的文本的提取，get_text的不同参数有不同的提取结果，且会对文本的bbox产生影响，如提取过程中英文的某些字符座标出现异常，进而span、line的bbox受到影响。
一个例子帮助理解下，字符串“span”在提取时返回的结果是:[{‘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）还是(10,10,34,18)呢？ (10,10,38,18)，实际上我们更希望获得的是(10,10,34,18)，（10,10,38,18）可能无法用版面分析结果来进行文本的整合。
就目前的试验而言，对英文采用rawdict进行提取，以char为最小单位，提取整合后以span为基本单位进行后续的整合；对中文采用dict进行提取，以span为基本单位进行后续整合，不必使用char重新整合；Span之后的中英文整合逻辑基本一致。
关于rawdict、dict的结构，可查看：TextPage — PyMuPDF 1.19.3 documentation
4.关于文本输出
文本输出包括两部分：一，排版或预排版；二，输出。先说输出，因为排版或预排版是受输出方法影响的。
文本输出常采用shape.insert_textbox和textwriter.fill_textbox.两种方式。这两个方法的源码中都有预排版过程，且都是强耦合，区别在于fill_textbox可以获取最后一个字符的结束位置，而insert_textbox则是返回未输出的部分。
另一个影响输出的问题是字体，pymupdf中内置了不少字体，也可以通过pymupdf-font来引入更多的字体，甚至是引入自定义字体。在部分情况下一种字体很难完成整个pdf的文本输出，尤其是数学类学科的文档，数学符号等在常用字体中是没有相关编码的，直接在mupdf中输出结果大概率是65533。因此在输出的时候需要检测当前字体是否可以完整输出，如果不可以就需要对文本切分，更换输入法。
然后再来说说预排版。通过读pymupdf的源码我们可以对它预排版的思路有所了解。简而言之可以理解成语文考试中写作文，提前画好格子，然后往里边排文字。不同的字号对应了同样大小的范围，每行写的字数。
如果考虑了所有输出中出现的问题，那么预排版是可以进行解耦的，当然这会极大得增加复杂性。在充分阅读了源码之后，我们可以对源码进行扩展来适用我们的需求。提取预排版代码用于计算文本的字体大小，扩展自动检测文本是否需要更换字体输出等功能。
5.关于原样输出
可以采用覆盖的思路，尽量在原位置输出，已证实可行，但需要提高版面分析的精度。