Python识别PDF段落和翻译问题

Question

有这样的PDF文件内容：

10.1
El concepto de prefijación. Sus límites
10.1.1
Prefijación y composición
10.1.1a La prefijación es un proceso morfológico por el que se antepone un
morfema, llamado prefijo, a una palabra ya formada (des-hecho, in-dependiente,
pre-disponer) o a un tema latino o griego (§ 11.8.2a), como en a-morfo, in-erte,
pró-fugo. Además de por esta propiedad, estrictamente posicional, los prefijos se ca
racterizan por otros rasgos que los diferencian de los sufijos y que serán analizados
en este capítulo.
10.1.1b En la gramática tradicional se interpretaban ciertos prefijos como preposi
ciones inseparables. Este criterio asimilaba la prefijación a la composición, que es
el procedimiento morfológico por el que se integran dos o más formas independien
tes en una misma palabra (§ 1.3.2a y capítulo 11). Sin embargo, solo algunos prefijos
cuentan con preposiciones homónimas (ante-, bajo-, con-, de-, entre-, para-, sin-,
sobre-), e incluso estos se comportan de manera diferente como unidades morfológi
cas que como piezas sintácticas. En la gramática contemporánea se tiende a interpretar
la prefijación como una forma de derivación.
10.1.1c No siempre resultan claras las diferencias entre la composición y la prefi
jación. Las bases léxicas grecolatinas que se suelen denominar elementos compo
sitivos poseen un estatuto intermedio entre las formas ligadas y las libres. Estas
bases compositivas cultas pueden constituir el primer componente de la palabra,
y se asimilan en esto a los prefijos ( filocomunista, logopedia), pero se diferencian de

1. 需要用Python 识别出PDF文件中的段落

2. 或者用正则把序号找到、总之就要分割出段落

3. 把每个段落中所有斜体字符（如filocomunista, logopedia）都要用索引符号替换，避免在翻译引擎中翻译。比如preposiciones homónimas (ante-, bajo-, con-, de-, entre-, para-, sin-, sobre-), 就要变成preposiciones homónimas (某种标识符),因为斜体的内容在翻译引擎中不翻译

4. 处理好的段落发到DeepL引擎中翻译

5. 翻译好后，再把原来替代的标识符替换回去

6. 把翻译好的段落，新建pptx演示文稿，每页一段，做成外语-中文对照

现在难点是：

1. 我用pdfminer识别，用的page.extract_text()，都是整页文字，不知道怎么划分出原文的段落

2. 怎么用正则找到序号,像是（33.3.1a），然后按照找到的正则匹配，分割段落？

3. 怎么运用DeepL引擎翻译？

4. 怎么添加到pptx幻灯片中，按照每段一页的方式，自动生成幻灯片。如果不行，加到docx中，再把docx转换成pptx也行。