目錄

概述

一、讀取Word文檔

二、讀取PDF文檔

---

概述

? ? ? ? 工作上的需要翻譯的文檔常用的事情，列舉使用python自動(dòng)翻譯各種方法。

關(guān)鍵方法
提取文檔內(nèi)容
讀取TXT文檔

txt文檔的讀取很簡(jiǎn)單，直接用python自帶的open()方法就好，代碼如下所示：

# 讀取TXT文檔
def read_txt(path):
????????'''實(shí)現(xiàn)TXT文檔的讀取，一次將內(nèi)容全部取出'''
????????content = ''
????????with open(path) as f:
????????????????content = f.read()
????????return content
# 也可以用readline()讀取每一行

一、讀取Word文檔

讀取Word文檔也比較簡(jiǎn)單，導(dǎo)入第三方庫python-docx，安裝指令為pip install python-docx，實(shí)例代碼如下：

import docx # 安裝指令：pip install python-docxdef translate(self):'''翻譯'''# 獲取文檔對(duì)象doc = docx.Document(self.fullName)# 創(chuàng)建內(nèi)存中的word文檔對(duì)象new_doc = docx.Document()# 遍歷每一段文本for para in doc.paragraphs:# 翻譯trans = baidu_translate(para.text) # 寫入新文件new_doc.add_paragraph(para.text)new_doc.add_paragraph(trans)# 保存到本地文件new_doc.save(self.new_fullPath)

二、讀取PDF文檔

讀取PDF文檔同樣需要安裝第三方庫，主要有PyPDF2和pdfminer，這兩個(gè)庫我都有去了解，算是各有特點(diǎn)吧。

PyPDF2使用相對(duì)簡(jiǎn)單，但只支持英文，對(duì)中文支持不太友好；相反pdfminer使用相對(duì)而言要復(fù)雜點(diǎn)，僅僅是相對(duì)而言，其支持多種語言，圖表、圖片等，功能較強(qiáng)大。這兩種方式我在代碼中均有實(shí)現(xiàn)，其實(shí)例代碼如下：
PyPDF2

# 安裝指令：pip install pypdf2 from PyPDF2.pdf import PdfFileReaderdef translate(self):'''讀取pdf內(nèi)容，并翻譯，寫入txt文件'''f = open(self.fullPath,'rb')pdf = PdfFileReader(f)for i in range(0,pdf.getNumPages()):extractedText = pdf.getPage(i).extractText()content = extractedText.split('\n') content = self.removeBlankFromList(content) # 拼接之后的文本，如果單詞間歇超過一個(gè)空格的，認(rèn)為是需要換行處理的content_list = self.enter_symbol(content)for line in content_list:trans = baidu_translate(line)self.write(line + '\n')self.write(trans)f.close()Logger().write(self.fileName + '翻譯完成，新文檔：' + self.new_fullPath)

pdfminer

# 安裝指令：pip install pdfminer3k from pdfminer.pdfparser import PDFParser,PDFDocument from pdfminer.pdfinterp import PDFResourceManager,PDFPageInterpreter from pdfminer.layout import LAParams,LTTextBoxHorizontal from pdfminer.converter import PDFPageAggregator from pdfminer.pdfinterp import PDFTextExtractionNotAlloweddef translate(self):'''讀取pdf內(nèi)容，并翻譯，寫入txt文件'''# 以二進(jìn)制讀模式打開本地pdf文件fp = open(self.fullPath,'rb')# 用文件對(duì)象來創(chuàng)建一個(gè)pdf文檔分析器praser_pdf = PDFParser(fp)# 創(chuàng)建一個(gè)PDF文檔doc_pdf = PDFDocument()# 連接分析器與文檔對(duì)象praser_pdf.set_document(doc_pdf)doc_pdf.set_parser(praser_pdf)# 提供初始化密碼doc.initialize("123456")，如果沒有密碼 就創(chuàng)建一個(gè)空的字符串doc_pdf.initialize()# 檢查文檔是否提供txt轉(zhuǎn)換，不提供就無法翻譯文檔if not doc_pdf.is_extractable:Logger().write(self.fileName + '未能提取有效的文本，停止翻譯。')returnelse:# 創(chuàng)建PDF資源管理器來共享資源rsrcmgr = PDFResourceManager()# 創(chuàng)建一個(gè)PDF參數(shù)分析器laparams = LAParams()# 創(chuàng)建聚合器device = PDFPageAggregator(rsrcmgr,laparams=laparams)# 創(chuàng)建一個(gè)PDF頁面解釋器對(duì)象interpreter = PDFPageInterpreter(rsrcmgr,device)# 循環(huán)遍歷列表，每次處理一頁的內(nèi)容for page in doc_pdf.get_pages():# 使用頁面解釋器來讀取interpreter.process_page(page)# 使用聚合器獲取內(nèi)容layout = device.get_result()# 這里layout是一個(gè)LTPage對(duì)象 里面存放著 這個(gè)page解析出的各種對(duì)象 一般包括LTTextBox, LTFigure, LTImage, LTTextBoxHorizontal 等等 想要獲取文本就獲得對(duì)象的text屬性，for out in layout:# 判斷是否含有g(shù)et_text()方法，圖片之類的就沒有if isinstance(out,LTTextBoxHorizontal):content = out.get_text()trans = baidu_translate(content)self.write(content)self.write(trans)Logger().write(self.fileName + '翻譯完成，新文檔：' + self.new_fullPath)

調(diào)用翻譯接口

利用python網(wǎng)絡(luò)爬蟲可以很輕松的實(shí)現(xiàn)數(shù)據(jù)爬取，這里就是利用這種“手段”實(shí)現(xiàn)翻譯功能，對(duì)此，還是要感謝這些接口提供商，感謝CCTV、鐵嶺TV。

百度翻譯

百度翻譯有反爬機(jī)制，電腦端的爬蟲會(huì)被干掉，所幸手機(jī)端可以使用，代碼如下所示：

import urllib.request import urllib.parse import json # 百度翻譯方法 def baidu_translate(content,type=1):'''實(shí)現(xiàn)百度翻譯'''baidu_url = 'http://fanyi.baidu.com/basetrans'data = {}data['from'] = 'en'data['to'] = 'zh'data['query'] = contentdata['transtype'] = 'translang'data['simple_means_flag'] = '3'data['sign'] = '94582.365127'data['token'] = 'ec980ef090b173ebdff2eea5ffd9a778'data = urllib.parse.urlencode(data).encode('utf-8')headers = {"User-Agent":"Mozilla/5.0 (Linux; Android 5.1.1; Nexus 6 Build/LYZ28E) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Mobile Safari/537.36"}baidu_re = urllib.request.Request(baidu_url, data, headers)baidu_response = urllib.request.urlopen(baidu_re)baidu_html = baidu_response.read().decode('utf-8')target2 = json.loads(baidu_html)trans = target2['trans']ret = ''for i in range(len(trans)):ret += trans[i]['dst'] + '\n'return ret

谷歌翻譯

首先需要一個(gè)類實(shí)現(xiàn)JS碼的生成

import execjs class Py4Js(): def __init__(self): self.ctx = execjs.compile(""" function TL(a) { var k = ""; var b = 406644; var b1 = 3293161072; var jd = "."; var $b = "+-a^+6"; var Zb = "+-3^+b+-f"; for (var e = [], f = 0, g = 0; g < a.length; g++) { var m = a.charCodeAt(g); 128 > m ? e[f++] = m : (2048 > m ? e[f++] = m >> 6 | 192 : (55296 == (m & 64512) && g + 1 < a.length && 56320 == (a.charCodeAt(g + 1) & 64512) ? (m = 65536 + ((m & 1023) << 10) + (a.charCodeAt(++g) & 1023), e[f++] = m >> 18 | 240, e[f++] = m >> 12 & 63 | 128) : e[f++] = m >> 12 | 224, e[f++] = m >> 6 & 63 | 128), e[f++] = m & 63 | 128) } a = b; for (f = 0; f < e.length; f++) a += e[f], a = RL(a, $b); a = RL(a, Zb); a ^= b1 || 0; 0 > a && (a = (a & 2147483647) + 2147483648); a %= 1E6; return a.toString() + jd + (a ^ b) }; function RL(a, b) { var t = "a"; var Yb = "+"; for (var c = 0; c < b.length - 2; c += 3) { var d = b.charAt(c + 2), d = d >= t ? d.charCodeAt(0) - 87 : Number(d), d = b.charAt(c + 1) == Yb ? a >>> d: a << d; a = b.charAt(c) == Yb ? a + d & 4294967295 : a ^ d } return a } """) def getTk(self,text): return self.ctx.call("TL",text)

調(diào)用方法如下所示：

from Py4Js import *# 谷歌翻譯方法 def google_translate(content):'''實(shí)現(xiàn)谷歌的翻譯'''js = Py4Js()tk = js.getTk(content)if len(content) > 4891: print("翻譯的長(zhǎng)度超過限制！！！") return param = {'tk': tk, 'q': content} result = requests.get("""http://translate.google.cn/translate_a/single?client=t&sl=en &tl=zh-CN&hl=zh-CN&dt=at&dt=bd&dt=ex&dt=ld&dt=md&dt=qca&dt=rw&dt=rm&dt=ss &dt=t&ie=UTF-8&oe=UTF-8&clearbtn=1&otf=1&pc=1&srcrom=0&ssel=0&tsel=0&kc=2""", params=param) #返回的結(jié)果為Json，解析為一個(gè)嵌套列表 trans = result.json()[0]ret = ''for i in range(len(trans)):line = trans[i][0]if line != None:ret += trans[i][0]return ret

有道翻譯

有道翻譯的代碼實(shí)現(xiàn)如下所示：

import urllib.request import urllib.parse import json # 有道翻譯方法 def youdao_translate(content):'''實(shí)現(xiàn)有道翻譯的接口'''youdao_url = 'http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule'data = {}data['i']= contentdata['from'] = 'AUTO'data['to'] = 'AUTO'data['smartresult'] = 'dict'data['client'] = 'fanyideskweb'data['salt'] = '1525141473246'data['sign'] = '47ee728a4465ef98ac06510bf67f3023'data['doctype'] = 'json'data['version'] = '2.1'data['keyfrom'] = 'fanyi.web'data['action'] = 'FY_BY_CLICKBUTTION'data['typoResult'] = 'false'data = urllib.parse.urlencode(data).encode('utf-8')youdao_response = urllib.request.urlopen(youdao_url, data)youdao_html = youdao_response.read().decode('utf-8')target = json.loads(youdao_html)trans = target['translateResult']ret = ''for i in range(len(trans)):line = ''for j in range(len(trans[i])):line = trans[i][j]['tgt']ret += line + '\n'return ret

寫入文檔
寫TXT文檔

TXT文檔的寫比較簡(jiǎn)單，代碼如下所示：

# 寫TXT文檔 def write_txt(path,content):'''實(shí)現(xiàn)TXT文檔的寫方法'''with open(path,'a+') as f:f.write(content)

寫Word文檔

Word文檔的寫就是用上面所屬的python-docx庫實(shí)現(xiàn)，在上面讀取Word文檔小節(jié)中已有代碼明細(xì)，非常之簡(jiǎn)單，這里就不在贅述。

寫PDF文檔

同上，寫PDF文檔，用PyPdf和pdfminer均可實(shí)現(xiàn)，PyPDF相對(duì)而言要簡(jiǎn)單寫，因本腳本對(duì)翻譯后的文檔只實(shí)現(xiàn)了Word和TXT的寫，方便對(duì)文檔進(jìn)行編輯處理，若需要生成PDF文檔，有興趣可自行研究。

好了，以上就是關(guān)鍵技術(shù)基本描述。

總結(jié)

以上是生活随笔為你收集整理的python文档自动翻译的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。