PDF英文课文生词对照生成器

问题场景

扫描版英文课文 PDF 常把正文、页码、练习和词汇表混在一起，直接复制文字会丢失段落结构；若再生成词汇表，容易出现左右错位、打印分页截断和排版不可控的问题。

工作方式

该技能围绕 PDF → 图片 → 识别 → 清理 → 生词对照 的流水线工作。先用 PyMuPDF 将页面转为 300 DPI 的 PNG，再用多模态模型识别英文文本，并在提示词中强调段落结构。随后剔除页眉、页脚、页码、练习和词汇表页，只保留章节标题与正文。流程按初中生水平筛选生词，将动词还原为原形，并去重。每个生词生成 IPA 音标、vi. / vt. 词性、中文释义、同源词和 1–3 个近义词，最终渲染成可打印的 A4 HTML。

适用边界

它适合把课文拆成段落级别对照，左侧正文使用 text-align: left，右侧词汇采用 #8B0000 加粗，章节标题使用 #003366。两栏对齐依赖每个 vocab-block 只包含一段课文和对应生词；竖线需要用真实 DOM 元素绘制，避免浏览器打印时丢失。若识别结果段落仍然粘连，需要回看 PNG 页面手动插入空行后再继续。