热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python汉译英调用Google翻译

一:使用正则表达式提取翻译结果#-*-coding:utf-8-*-__author__zlingh__date__Date:20140128importre

一:使用正则表达式提取翻译结果


# -*- coding: utf-8 -*-
__author__ = "zlingh"
__date__ = "Date: 2014/01/28"
import re
import urllib,urllib2
#urllib:
#urllib2: The urllib2 module defines functions and classes which help in opening
#URLs (mostly HTTP) in a complex world — basic and digest authentication,
#redirections, COOKIEs and more.
def translate(text): ‘‘‘模拟浏览器的行为,向Google Translate的主页发送数据,然后抓取翻译结果 ‘‘‘ #text 输入要翻译的英文句子
text_1=text
#values={‘hl‘:‘zh-CN‘,‘ie‘:‘UTF-8‘,‘text‘:text_1,‘langpair‘:"‘en‘|‘zh-CN‘"}
#‘langpair‘:‘en‘|‘zh-CN‘从简体中文英语
values={‘hl‘:‘en‘,‘ie‘:‘UTF-8‘,‘text‘:text_1,‘langpair‘:"‘zh-CN‘|‘en‘"}
url=‘http://translate.google.cn/translate_t‘
data = urllib.urlencode(values)
req = urllib2.Request(url,data)
#模拟一个浏览器
browser=‘Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727)‘
req.add_header(‘User-Agent‘,browser)
#向谷歌翻译发送请求
respOnse= urllib2.urlopen(req)
#读取返回页面
html=response.read()
#从返回页面中过滤出翻译后的文本
#使用正则表达式匹配
#翻译后的文本是‘TRANSLATED_TEXT=‘等号后面的内容
#.*? non-greedy or minimal fashion
#(?<=...)Matches if the current position in the string is preceded
#by a match for ... that ends at the current position
p=re.compile(r"(?<=TRANSLATED_TEXT=).*?;")
m=p.search(html)
text_2=m.group(0).strip(‘;‘)
#open(‘tmpp.txt‘,‘w‘).write(html)
return text_2
if __name__ == "__main__":
#text_1 从文件的读取
#text_1=open(‘c:\\text.txt‘,‘r‘).read()
text_1=‘北京天安门‘+‘,‘+‘故宫‘+‘,‘+‘长城‘+‘,‘+‘社会主义‘
#text_1=‘速度‘
print(‘%s‘ % text_1.decode(‘utf8‘))
text_2=translate(text_1).strip("‘")
print(‘%s‘ % text_2.decode(‘utf8‘))

二:利用xpath提取


在批量抓取网页内容时,我经常采用的做法是:1、得到目标内容在网页中的位置,即xpath路径;2、批量下载网页,然后利用xpath,取出每个网页中所需要的内容。

     在这里,我们利用python模块lxml。

     以谷歌翻译为例,我要批量抓取翻译内容,那么首先我要知道译文的xpath,代码如下:

    




[python] view
plaincopy






  1. import urllib,urllib2  

  2. import lxml  

  3. import lxml.html as HTML  

  4. import lxml.etree as etree  

  5.   

  6. #设置url参数  

  7. lin = ‘en‘  

  8. lout = ‘zh-CN‘  

  9. text = ‘my apple 123‘  

  10. values = {‘hl‘:‘zh-CN‘‘ie‘:‘UTF-8‘‘text‘:text, ‘sl‘:lin, ‘tl‘:lout}  

  11. url = ‘http://translate.google.cn/translate_t‘  

  12. data = urllib.urlencode(values)  

  13. req = urllib2.Request(url, data)  

  14. req.add_header(‘User-Agent‘"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727)")  

  15. response = urllib2.urlopen(req, timeout = 10)  

  16. shtml = response.read()  

  17. response.close()  

  18.   

  19. hdoc = HTML.fromstring(shtml)  

  20. htree = etree.ElementTree(hdoc)  

  21.   

  22. #依次打印出hdoc每个元素的文本内容和xpath路径  

  23. for t in hdoc.iter():  

  24.     print htree.getpath(t)  

  25.     print t.text_content()  

  26.     raw_input()  

 

     运行这段代码,发现译文“我的苹果123”的xpath为“/html/body/div[2]/div[2]/div[2]/div/div/div[2]/div”。

     现在可以利用xpath取出译文内容。以下方法接受英文原文,然后调用google translate,返回中文译文。代码如下:

   




[python] view
plaincopy






  1. # -*- coding:utf-8 -*-  

  2.   

  3. import urllib,urllib2  

  4. import lxml  

  5. import lxml.html as HTML  

  6. import lxml.etree as etree  

  7.   

  8. def g_trans(str_text):  

  9.     lin = ‘en‘  

  10.     lout = ‘zh-CN‘  

  11.     values = {‘hl‘:‘zh-CN‘‘ie‘:‘UTF-8‘‘text‘:str_text, ‘sl‘:lin, ‘tl‘:lout}  

  12.     url = ‘http://translate.google.cn/translate_t‘  

  13.     data = urllib.urlencode(values)  

  14.     req = urllib2.Request(url, data)  

  15.     req.add_header(‘User-Agent‘"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727)")  

  16.     response = urllib2.urlopen(req, timeout = 10)  

  17.     htree = HTML.parse(response)  

  18.     response.close()  

  19.     #注意,此处返回的是一个list  

  20.     emts = htree.xpath(‘/html/body/div[2]/div[2]/div[2]/div/div/div[2]/div‘)  

  21.     return emts[0].text_content()  


三:解析div标签提取结果

import urllib,urllib2
import time
from sgmllib import SGMLParser
class URLLister(SGMLParser):
def __init__(self, result):
SGMLParser.__init__(self)
self.result = result
self.open = False
def start_div(self, attrs):
id = [v for k, v in attrs if k==‘id‘]
if ‘tts_button‘ in id:
self.open = True
def handle_data(self, text):
if self.open:
self.result.append(text)
self.open = False
def Translate(text, f, t):
MySentence = []
values = {‘hl‘:‘%s‘%t,‘ie‘:‘UTF-8‘,‘text‘:text,‘langpair‘:"%s|%s"%(f, t)}
url = ‘http://translate.google.cn/translate_t‘
data = urllib.urlencode(values)
req = urllib2.Request(url, data)
req.add_header(‘User-Agent‘, "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727)")
respOnse= urllib2.urlopen(req)
parser = URLLister(MySentence)
parser.feed(response.read())
parser.close()
return MySentencedef TranlateForIgnorException(text):
excpCnt = 0
while 1:
try:
arStr = Translate(langStr, "en", "zh-CN")[0]
break
except:
excpCnt = excpCnt + 1
if excpCnt > 10:
break
time.sleep(2)
return arStr
if __name__ == "__main__":
#ArStr = TranlateForIgnorException("This")
b=‘你好‘
c=‘hello‘
a=Translate(c,‘en‘,‘zh-CN‘)
print a[0].decode(‘utf8‘)

另外:上面提取网页不好发现的话,通过:http://translate.google.cn/?hl=en#zh-CN/en/饼干,网页来提取也可以。

下面是网上一个个很牛的项目,很方便,但是中文翻译成英文好像有点问题,我没有调试出来:

Goslate 免费谷歌翻译
http://zhuoqiang.me/goslate-free-google-translate-api.html



推荐阅读
  • 网络流24题——试题库问题
    题目描述:假设一个试题库中有n道试题。每道试题都标明了所属类别。同一道题可能有多个类别属性。现要从题库中抽取m道题组成试卷。并要求试卷包含指定类型的试题。试设计一个满足要求的组卷算 ... [详细]
  • 在1995年,Simon Plouffe 发现了一种特殊的求和方法来表示某些常数。两年后,Bailey 和 Borwein 在他们的论文中发表了这一发现,这种方法被命名为 Bailey-Borwein-Plouffe (BBP) 公式。该问题要求计算圆周率 π 的第 n 个十六进制数字。 ... [详细]
  • 二维码的实现与应用
    本文介绍了二维码的基本概念、分类及其优缺点,并详细描述了如何使用Java编程语言结合第三方库(如ZXing和qrcode.jar)来实现二维码的生成与解析。 ... [详细]
  • 本文详细介绍了iOS应用的生命周期,包括各个状态及其转换过程中的关键方法调用。 ... [详细]
  • 3DSMAX制作超现实的体育馆模型
    这篇教程是向脚本之家的朋友介绍3DSMAX制作超现实的体育馆模型方法,教程制作出来的体育馆模型非常地不错,不过教程有点难度,需要有一定基础的朋友学习,推荐到脚本之家,喜欢的朋友可 ... [详细]
  • 本文介绍了如何在AngularJS应用中使用ng-repeat指令创建可单独点击选中的列表项,并详细描述了实现这一功能的具体步骤和代码示例。 ... [详细]
  • 默认情况下,Git 使用 Nano 编辑器进行提交信息的编辑,但如果您更喜欢使用 Vim,可以通过简单的配置更改来实现这一变化。本文将指导您如何通过修改全局配置文件来设置 Vim 作为默认的 Git 提交编辑器。 ... [详细]
  • 探讨如何在映射文件中处理重复的属性字段,以避免数据操作时出现错误。 ... [详细]
  • 为何Compose与Swarm之后仍有Kubernetes的诞生?
    探讨在已有Compose和Swarm的情况下,Kubernetes是如何以其独特的设计理念和技术优势脱颖而出,成为容器编排领域的领航者。 ... [详细]
  • 本文探讨了程序员这一职业的本质,认为他们是专注于问题解决的专业人士。文章深入分析了他们的日常工作状态、个人品质以及面对挑战时的态度,强调了编程不仅是一项技术活动,更是个人成长和精神修炼的过程。 ... [详细]
  • 本文介绍了SIP(Session Initiation Protocol,会话发起协议)的基本概念、功能、消息格式及其实现机制。SIP是一种在IP网络上用于建立、管理和终止多媒体通信会话的应用层协议。 ... [详细]
  • 本文介绍了如何通过C#语言调用动态链接库(DLL)中的函数来实现IC卡的基本操作,包括初始化设备、设置密码模式、获取设备状态等,并详细展示了将TextBox中的数据写入IC卡的具体实现方法。 ... [详细]
  • 本文详细介绍了C++中的构造函数,包括其定义、特点以及如何通过构造函数进行对象的初始化。此外,还探讨了转换构造函数的概念及其在不同情境下的应用,以及如何避免不必要的隐式类型转换。 ... [详细]
  • 探索Java 11中的ZGC垃圾收集器
    Java 11引入了一种新的垃圾收集器——ZGC,由Oracle公司研发,旨在支持TB级别的内存容量,并保证极低的暂停时间。本文将探讨ZGC的开发背景、技术特点及其潜在的应用前景。 ... [详细]
  • 本文探讨了使用普通生成函数和指数生成函数解决组合与排列问题的方法,特别是在处理特定路径计数问题时的应用。文章通过详细分析和代码实现,展示了如何高效地计算在给定条件下不相邻相同元素的排列数量。 ... [详细]
author-avatar
0度的浪漫神探
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有