用途:将结构化 DOCX 文档翻译为从右到左(RTL)语言(阿拉伯语、希伯来语、乌尔都语等),在翻译的同时尽量保持原有格式、颜色、表格结构与专业外观。适用于商务、财务等需要与英文原版版式一致的文档。
主要能力:采用分阶段流程——分析、翻译词典、文档生成、验证,避免直接生成导致的结构错误。RTL 格式化分三层:文本方向(bidi、rtl、complex_script)、文本对齐(右对齐)、布局方向(数据/财务表格列仍保持从左到右,仅单元格内文字为 RTL)。支持通过 XML 遍历可靠读取与设置单元格背景色,多轮归一化与回退匹配提升翻译命中率,自动修正深色背景上的文字颜色,并可从嵌套表格中提取内容(如复选框、表单)。
使用方式:需在 DOCX 工作流中调用,先分析文档结构,再建立翻译词典,然后生成文档,最后进行结构、对齐、英文残留、颜色等验证。资料中给出若干 Python 函数示例(如 get_cell_background、set_cell_background、normalize_text、translate_text、apply_rtl_to_cell、apply_colors_to_cell、extract_cell_content_with_nested_tables、verify_arabic_document),并建议用 soffice 与 pdftoppm 生成对比图检查视觉效果。
适用场景:商务/财务文档、政府表单、评估表、含复选框或评分表的清单等。
限制:不适用于简单文本翻译、从零创建文档或仅 PDF 的工作流;字体推荐因文档类型而异(财务用 Simplified Arabic,正式用 Times New Roman,技术用 Arial Unicode MS,避免 Arial);需注意多行单元格不可拆分为多行、避免部分翻译、新单元格也需应用 RTL。具体安装命令与完整代码示例资料中未提供。