Skip to content

GentaGame/PDFTranslate2md

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

44 Commits
docs
docs
 
 
gui
gui
 
 
src
src
 
 
.env.example
.env.example
 
 
.gitignore
.gitignore
 
 
README.md
README.md
 
 
requirements-gui.txt
requirements-gui.txt
 
 
requirements.txt
requirements.txt
 
 
run_gui.py
run_gui.py
 
 

Repository files navigation

PDFTranslate2md

PDFファイルからテキストを抽出し、LLMのAPIを使用して翻訳し、Markdownファイルとして保存するPythonツールです。学術論文や技術文書を効率的に翻訳するために設計されています。

主な機能

📱 GUIアプリケーション（NEW!）

  • PyQt5ベースのデスクトップGUI: 直感的な操作でPDF翻訳
  • ドラッグ&ドロップ対応: ファイル・フォルダを簡単に選択
  • リアルタイム進捗表示: 処理状況をリアルタイム監視
  • 履歴機能: 処理設定の保存・呼び出し・管理
  • バッチ処理: 複数PDFファイルの一括処理
  • キャンセル機能: 処理中断とエラーハンドリング

🖥️ CLIツール

  • PDFファイルからテキストを抽出
  • 抽出したテキストを多様なLLM APIで日本語（または指定した言語）に翻訳
  • ページ単位で翻訳を実施し、進捗状況を表示
  • Markdownフォーマットで保存（見出し構造を保持）
  • PDFの各ページを高品質な画像として保存
  • 翻訳時にMarkdownの見出し構造を自動的に整形
  • フォルダ内の全PDFファイルを一括処理
  • 出力先ディレクトリを指定可能（Obsidianなどのノートアプリと連携しやすい）
  • 参考文献の番号とテキスト内の引用をリンク化
  • 既存の出力ファイルがある場合は処理をスキップ（--forceオプションで上書き可能）

🤖 対応AIプロバイダー

  • Google Gemini: gemini-1.5-pro-latest, gemini-1.5-flash-latest
  • OpenAI: gpt-4o, gpt-4o-mini, gpt-4-turbo
  • Anthropic Claude: claude-3-5-sonnet, claude-3-5-haiku, claude-3-opus

インストール方法

  1. リポジトリをクローンする
git clone <repository-url>
cd PDFTranslate2md
  1. 必要なパッケージをインストール

CLIのみ使用する場合:

pip install -r requirements.txt

GUI版を使用する場合（推奨）:

pip install -r requirements.txt
pip install -r requirements-gui.txt

macOS環境でのGUI依存関係インストール:

# 環境チェック実行（推奨）
python check_gui_environment.py

# 基本的なインストール
pip install -r requirements-gui.txt

# 問題が発生した場合の修復手順:
# 1. 既存のPyQt5を完全削除
pip uninstall PyQt5 PyQt5-Qt5 PyQt5-sip -y

# 2. 特定バージョンで再インストール
pip install PyQt5==5.15.7 PyQt5-Qt5==5.15.2 PyQt5-sip==12.11.0

# 3. Xcode Command Line Toolsの確認（必要に応じて）
xcode-select --install

# 4. 環境変数設定（問題が続く場合）
export QT_QPA_PLATFORM_PLUGIN_PATH=$(python -c "import PyQt5; print(PyQt5.__path__[0])")/Qt5/plugins
  1. .envファイルを作成し、使用するプロバイダーのAPIキーを設定
# 使用するプロバイダーのAPIキーを設定
GOOGLE_API_KEY=your_gemini_api_key_here
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here

環境変数設定

  • GEMINI_API_KEY: Google Gemini APIキー
  • OPENAI_API_KEY: OpenAI APIキー
  • ANTHROPIC_API_KEY: Anthropic (Claude) APIキー

依存ライブラリ

  • PyPDF2: PDFからテキスト抽出
  • PyMuPDF (fitz): PDFからの画像抽出
  • python-dotenv: 環境変数管理
  • google-generativeai: Gemini APIとの連携
  • tqdm: 進捗状況の表示
  • Pillow
  • openai
  • anthropic

使用方法

🖥️ GUI版（推奨）

# GUI版を起動
python run_gui.py

GUIの主な機能:

  • ドラッグ&ドロップでファイル・フォルダ選択
  • プロバイダー・モデル選択
  • リアルタイム進捗表示
  • 履歴機能で設定の保存・呼び出し
  • 処理のキャンセル機能

詳細な使用方法は docs/GUI_USAGE.md を参照してください。

💻 CLI版

# 単一のPDFファイルを処理
python src/main.py input.pdf

# ディレクトリ内のすべてのPDFファイルを処理
python src/main.py input_directory

これにより、入力PDFと同じ名前（拡張子が.md）のMarkdownファイルが生成されます。

オプション指定

python src/main.py input.pdf \
  [-p gemini|openai|claude|anthropic] \
  [-m モデル名] \
  [-o output_directory] \
  [-i images_directory] \
  [-f, --force]

オプション説明:

  • -p, --provider: 使用するLLMプロバイダー（デフォルト: gemini）
  • -m, --model-name: LLMモデル名（指定しない場合はプロバイダー毎のデフォルト）
  • -o, --output-dir: 出力先ディレクトリ（指定しない場合は現在のディレクトリ）
  • -i, --image-dir: 画像出力ディレクトリ（指定しない場合は出力ディレクトリ内の"images"フォルダ）
  • -f, --force: 既存のMarkdownファイルが存在する場合も強制的に上書きする

ディレクトリ処理の例

# フォルダ内のすべてのPDFを処理して特定のフォルダに出力（Obsidianのフォルダなど）
python src/main.py /path/to/pdf_folder -o /path/to/obsidian/notes

# PDFファイルの画像を特定のフォルダに保存
python src/main.py /path/to/pdf_folder -o /path/to/output -i /path/to/output/images

PDF抽出ツールの単体使用

テキストと画像の抽出のみを行う場合:

python src/pdf_extractor.py input.pdf -o images_directory

オプション説明:

  • -o, --output_dir: 抽出した画像の保存先ディレクトリ
  • -t, --text_only: テキストのみを抽出する
  • -i, --images_only: 画像のみを抽出する

Obsidianなどのノートアプリとの連携

出力先ディレクトリを指定することで、直接Obsidianのノートフォルダに翻訳結果を保存できます。 各PDFファイルは個別のMarkdownファイルとして出力され、画像はPDF名のサブフォルダに整理されるため、 ノート管理がしやすくなっています。

参考文献のリンク

論文の参考文献と本文中の引用（[1], [2]など）が自動的にリンク化されます。 これにより、Obsidianなどのマークダウンビューアで参考文献をクリックすると、 対応する参考文献の位置にジャンプできます。

バッチ処理と再実行

フォルダ内の複数のPDFを処理する際、既に出力先に同名の.mdファイルが存在する場合は 処理をスキップします。これによりAPI呼び出しのコストを削減できます。

既存ファイルを上書きするには --force オプションを使用します：

python src/main.py /path/to/pdf_folder -o /path/to/output -f

出力例

入力PDFに対して以下の出力が得られます：

  1. Markdownファイル（翻訳済みテキスト）
  2. 各ページの高品質画像（imagesディレクトリ内）

📁 プロジェクト構造

PDFTranslate2md/
├── src/                      # コアライブラリ
│   ├── main.py              # CLI エントリーポイント
│   ├── app_controller.py    # アプリケーション制御層
│   ├── pdf_extractor.py     # PDF処理
│   ├── translator_service.py # 翻訳サービス
│   └── providers/           # AIプロバイダー実装
├── gui/                      # GUI アプリケーション
│   ├── main_gui.py          # メインGUIアプリケーション
│   ├── gui_app_controller.py # GUI用制御層
│   ├── history_manager.py   # 履歴管理
│   └── widgets/             # カスタムウィジェット
├── docs/                     # ドキュメント
│   ├── GUI_USAGE.md         # GUI使用方法
│   └── GUI_ARCHITECTURE_DESIGN.md
├── examples/                 # サンプル・設定例
├── requirements.txt          # 基本依存関係
├── requirements-gui.txt      # GUI用依存関係
└── run_gui.py               # GUI起動スクリプト

⚡ クイックスタート

GUI版（初心者向け）

  1. インストール:

    git clone <repository-url>
cd PDFTranslate2md
pip install -r requirements.txt requirements-gui.txt

  2. APIキー設定:

    cp .env.example .env
# .envファイルを編集してAPIキーを設定

  3. GUI起動:

    python run_gui.py

  4. 使用:

    • PDFファイルをドラッグ&ドロップ
    • プロバイダー・モデルを選択
    • 「🚀 処理開始」をクリック

CLI版（上級者向け）

# 基本使用
python src/main.py input.pdf -p gemini -o output_dir

# プロバイダー指定
python src/main.py folder/ -p openai -m gpt-4o

# バッチ処理
python src/main.py pdfs/ -o translated/ -i images/ -f

🎯 サンプル・テスト

# GUI設定例とテスト
python examples/sample_gui_config.py

# 依存関係チェック
python -c "import PyQt5; print('GUI Ready!')"

📋 要件

  • Python: 3.8以上
  • OS: Windows, macOS, Linux
  • メモリ: 4GB以上推奨
  • ネットワーク: AI API接続用

🔧 トラブルシューティング

環境チェックと診断

# 包括的な環境チェック実行
python check_gui_environment.py

# 基本的な環境チェックのみ
python run_gui.py --check

# 環境チェックをスキップして強制起動（非推奨）
python run_gui.py --force

GUI起動エラー

macOS環境での一般的な問題

# 1. PyQt5の完全再インストール
pip uninstall PyQt5 PyQt5-Qt5 PyQt5-sip -y
pip install PyQt5==5.15.7 PyQt5-Qt5==5.15.2 PyQt5-sip==12.11.0

# 2. Xcode Command Line Toolsの確認
xcode-select --print-path
# 出力がない場合は以下を実行:
xcode-select --install

# 3. 環境変数設定（プラットフォームプラグインエラーの場合）
export QT_QPA_PLATFORM_PLUGIN_PATH=$(python -c "import PyQt5; print(PyQt5.__path__[0])")/Qt5/plugins

# 4. Homebrewを使用した代替インストール（最終手段）
brew install pyqt@5

Linux環境での問題

# Qt5関連パッケージのインストール
sudo apt-get install qt5-default libqt5gui5 libqt5widgets5  # Ubuntu/Debian
sudo yum install qt5-qtbase-devel  # RHEL/CentOS

# X11 DISPLAYの設定確認
echo $DISPLAY
export DISPLAY=:0.0  # 必要に応じて設定

Windows環境での問題

# Visual C++ Redistributableの確認
# https://aka.ms/vs/17/release/vc_redist.x64.exe

# PyQt5の再インストール
pip install --upgrade pip
pip install -r requirements-gui.txt --force-reinstall

API接続エラー

  • .envファイルでAPIキー確認
  • GUIの「🔍 接続テスト」で接続確認
  • ネットワーク・ファイアウォール設定確認
  • プロキシ環境の場合は適切な設定が必要

パフォーマンス問題

# メモリ使用量の確認
python -c "import psutil; print(f'Available memory: {psutil.virtual_memory().available / 1024**3:.1f} GB')"

# 大きなPDFファイルの分割処理
# GUIの「バッチサイズ」設定を調整

その他の問題

# 依存関係の確認
python examples/sample_gui_config.py

# Python環境の確認
python --version
pip list | grep PyQt5

# ログファイルの確認（問題発生時）
# GUI起動時に生成されるログを確認

📖 ドキュメント

注意事項

  • 大きなPDFファイルの処理には時間がかかることがあります
  • AI APIの利用には有効なAPIキーが必要です
  • 一部の複雑なレイアウトのPDFではテキスト抽出の精度が低下する場合があります
  • GUI版では処理中にスリープモードにならないよう注意してください

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

2 stars

Watchers

2 watching

Forks

1 fork
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages