pptx-bilingual-translatelisted
Install: claude install-skill Xingzaozhan43-ultimate/pptx-bilingual-translate
# PPT 中英翻译流水线
一次可靠地交付两份成品:**英文版**(全英)与**中英对照版**(中文黑、英文蓝,逐段对照)。
方法论来自一套 900 余页、11 个章节的半导体封装教材 PPT 的实战翻译,全部坑点已固化进 `scripts/` 与
`references/`。**不要从零写脚本**——`scripts/` 是可直接运行的完整工具链,照抄进工作目录即可。
## 为什么不能"直接替换文字"
新手做法是 `python-pptx` 遍历 run、把中文换成英文、保存。这条路必然失败,原因有四:
| 陷阱 | 后果 |
|---|---|
| 英文比中文长约一倍,而文本框是固定的 | 满页正文出血到页外 / 压住下方图片 |
| PowerPoint 的 `normAutofit`("溢出时缩排文字")**在导出与非 PowerPoint 渲染时不生效** | 你以为会自动缩小,实际被裁掉 |
| WPS 把大量内容藏在 `<mc:AlternateContent>` 里,**python-pptx 完全看不见** | 整页正文、整张表格原样留着中文 |
| `tf.clear()` 保留首段的 `pPr` | 原来带自动编号的单元格渲染出幽灵 "1." |
所以字号必须**自己算好写死**,版面必须**按邻居实测重排**,隐藏内容必须**改原始 XML**。
## 开工前先确认三件事
1. **要哪几版?** 默认两版都出。如果只要英文版,对照版的所有取舍(字号更小、段落翻倍)就不必迁就。
2. **满页怎么办?** 默认「自动缩小字号保持一页」,不拆页。若用户希望拆页,整条流水线的排版策略要重谈。
3. **术语表。** 教材里的专有名词(工艺名、器件名、厂商技术名)先问清楚,或从已交付的同系列章节沿用,
不要每章各译一套。
## 工���流
每一步都在**独立的工作目录**里跑(源文件 + `scripts/` 全部拷进去),产物留在原地便于回溯。
```bash
mkdir 工具脚本-第X章 && cd 工具脚本-第X章
cp /path/to/源课件.pptx source.pptx
cp <skill>/scripts/* .
```
Windows 上先设两个环境变量,否则中文 dump 会炸出一堆假的编码错误:
```bash
set PYTHONUTF8=1 && set PYTHONIOENCODING=utf-8
```
### 1. 侦察:这份 deck 到底有多少活
```bash
python audit.py && python scan_raw.py
```
`audit.py` 清点**可见**文本与表格,写出 `audit.json`(整条流水线的键就来自这里)。
`scan_raw.py` 读原始 XML,回答四个决定工作量的问题:哪些页有 `mc:AlternateContent`、
`<a:tbl>` 数是否与可见表数对得上、有没有公式里藏中文、页序是否等于 `slideN.xml` 编号。
把 `scan_raw.py` 打印的 `AC_SLIDES` / `AC_TABLE_SLIDES` 抄进 `config.py`,同时填好 `STEM`。
> 一章的真实体量看这两个数:可见���本项数、总字数。85 页 / 238 项 / 18000 字是一个典型章节。
### 2. 提取隐藏内容
```bash
python extract_choice