PPT 中文轉英文 (In-Place Replacement)

核心目標

對現有 PPTX 檔案進行中文→英文轉換。有兩種模式：

1. 原位替換模式（預設）：僅替換文本框文字，圖片/圖表原樣保留。適用於純文本 PPT。
2. 重繪圖表面板模式：當 PPT 中包含中文圖表（柱狀圖、Venn 圖等，中文在圖片內部而非文本框），需要用 Python/matplotlib 重新生成英文版圖表並替換原圖。

觸發判斷

在開始替換前，先判斷 PPT 中中文的存在形式：

用以下程式碼檢查是否所有中文都在文本框中：

from pptx import Presentation
prs = Presentation('input.pptx')
has_image_text = False
for slide in prs.slides:
    for shape in slide.shapes:
        if shape.shape_type == 13:  # PICTURE
            print(f"Slide has image: {shape.name}")
        if shape.has_text_frame:
            text = shape.text_frame.text.strip()
            if any(ord(ch) in range(0x4e00, 0xa000) for ch in text):
                print(f"Text CN: {text[:50]}")

判斷規則：

• 中文全部在文本框中 → 使用原位替換模式（Step 1-5）
• 中文在圖片/圖表內部（圖表是圖片，不是 PPT 原生圖表物件）→ 必須重新生成圖表，不能原位替換
• 不確定 → 先嚐試原位替換，檢查輸出 PPT 是否有殘留中文圖片

重繪圖表面板模式（圖片內中文）

當中文在圖片內部時，採用以下流程：

A. 分析圖片內容

由於模型不支援直接識別圖片內容，需要：

1. 請使用者描述圖片中的文字內容，或提供圖片文字清單
2. 或根據 PPT 上下文（周圍文本框、標題）推斷圖片內容

B. 用 Python/matplotlib 重新生成英文圖表

通用模板：

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['Arial', 'DejaVu Sans']
matplotlib.rcParams['axes.unicode_minus'] = False

# 柱狀圖示例
fig, ax = plt.subplots(figsize=(3.2, 2.4))
categories = ['Phase I/II', 'Phase II', 'Phase III', 'Approved']
values = [12, 3, 4, 3]
ax.bar(range(len(categories)), values, color='#4472C4')
ax.set_xticks(range(len(categories)))
ax.set_xticklabels(categories, fontsize=7, rotation=15)
ax.set_title('Clinical Progress', fontsize=10, fontweight='bold', color='white',
             bbox=dict(boxstyle='round,pad=0.3', facecolor='#2F5597'))
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.tight_layout()
fig.savefig('chart_en.png', dpi=200, bbox_inches='tight')

C. 將新圖表嵌回 PPT

from pptx import Presentation
from pptx.util import Inches

prs = Presentation('input.pptx')
slide = prs.slides[0]
# 找到目標圖片位置，替換
slide.shapes.add_picture('chart_en.png', left, top, width, height)

D. 常見圖表型別

E. 癌症名稱翻譯規範

易錯點：器官名 ≠ 癌症名

原則：圖表中的癌症名稱應使用標準學術縮寫（HCC, RCC, PDAC, TNBC, NSCLC, CRC 等），而非器官名稱。

工作流程（原位替換模式）

Step 1: 獲取原始檔

如果 PPTX 在 IMA 知識庫中：

• 呼叫 ima_api.cjs 的 get_media_info 獲取下載 URL 和認證 headers
• 用 curl 下載到本地工作目錄（約需 2-5 分鐘，取決於網路）
• 驗證：檢查檔案 magic bytes 或使用 file 命令確認是 PPTX 格式

如果 PPTX 已在本地工作目錄，直接使用。

Step 2: 提取中文文本並建立翻譯

先提取所有含中文的段落文本：

python -c "
from pptx import Presentation
prs = Presentation('input.pptx')
for i, slide in enumerate(prs.slides):
    for shape in slide.shapes:
        if shape.has_text_frame:
            text = shape.text_frame.text.strip()
            if text and any(ord(ch) in range(0x4e00, 0xa000) for ch in text):
                print(text)
"

將提取的中文文本翻譯為學術英文。組織為 TSV 格式（製表符分隔）：

原始中文文本\t英文學術翻譯

Step 3: 構建翻譯詞典檔案

建立 translations.tsv，每行一條翻譯對：

胰臟癌惡性度高、進展快、轉移早、預後差 Pancreatic Ductal Adenocarcinoma: High Malignancy, Rapid Progression...
化療  Chemotherapy

規則：

• 長句優先放在前面（指令碼按長度降序匹配）
• 短詞如"治療"→"Therapy"要謹慎，可能誤匹配長句中的部分
• 含特殊引號的文本（如 \u201c\u201d）TSV 可直接包含，無需轉義

Step 4: 執行替換

小蔥技能7w4.net有完整的技能分類。

使用 scripts/replace_cn_to_en.py：

python scripts/replace_cn_to_en.py input.pptx translations.tsv output.pptx

指令碼邏輯：

1. 載入 TSV，按 CN 文本長度降序排列
2. 逐 Slide → Shape → Paragraph 遍歷
3. 先精確匹配，再最長子串匹配
4. 替換 Paragraph 第一個 run 的文本，清空其餘 run
5. 最後進行短詞碎片清理（"優於"→"superior to" 等常見殘留）
6. 自動驗證輸出零中文字元殘留

Step 5: 驗證

指令碼自動輸出驗證結果。如仍有殘留，手動檢查殘留段落，追加 TSV 條目後重新執行。

關鍵注意事項

1. python-pptx 必須可用。 安裝：pip install python-pptx
2. 翻譯順序： 長文本的翻譯放在 TSV 前面，避免短詞先匹配汙染長段落
3. 中文引號處理： PPTX 文本中的 \u201c(左引號)和\u201d(右引號)與 ASCII " 不同，TSV 中應保持一致
4. Run 結構： PPTX 文本可能分佈在多個 Run 中，替換時只修改第一個 Run 並清空其餘
5. 檔案大小： 原 PPTX 可能很大（含大量圖片，50-100MB），下載需耐心
6. 圖片內中文無法原位替換： 如果中文在圖片/圖表內部（非文本框），必須重新生成圖表。這是本技能最常見的失敗原因，務必先判斷中文存在形式。

常見問題

Q: 部分短文本被誤匹配怎麼辦？ A: 短詞（如"治療""聯合"）在 Step 4 自動清理階段統一處理。如果仍有誤匹配，將長文本翻譯放在 TSV 前面。

Q: 中文引號導致的語法錯誤？ A: TSV 格式天然支援 Unicode，用 Write 工具直接寫入 TSV 檔案即可包含中文引號。Python 指令碼以 encoding='utf-8' 讀取。

Q: IMA 下載超時？ A: IMA COS 伺服器可能頻寬較低（~200KB/s），85MB 檔案約需 7 分鐘。使用 bash 的 curl 並設定足夠大的 --max-time。

Q: 替換後圖片裡還有中文？ A: 這是預期行為。原位替換隻處理文本框，不處理圖片內容。需要切換到"重繪圖表面板模式"，用 Python/matplotlib 重新生成英文圖表。

Q: Venn 圖/柱狀圖裡的癌症名稱翻譯不準確？ A: 常見錯誤是把器官名當癌症名（Liver→HCC, Renal→RCC）。務必使用標準癌症縮寫，參考"癌症名稱翻譯規範"表格。

這是一個功能明確的PPT漢譯工具，文件和指令碼都比較完善，翻譯流程清晰且內建驗證機制。主要優點是覆蓋面廣、考慮了圖片內中文等邊界情況；不足之處是依賴庫單一、錯誤處理不夠充分，敏感詞清理可能產生誤替換。對於標準格式PPT翻譯效果較好，但複雜場景可能需要手動介入。整體質量中上，有改進空間。