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
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 本文介绍了lua语言中闭包的特性及其在模式匹配、日期处理、编译和模块化等方面的应用。lua中的闭包是严格遵循词法定界的第一类值,函数可以作为变量自由传递,也可以作为参数传递给其他函数。这些特性使得lua语言具有极大的灵活性,为程序开发带来了便利。 ... [详细]
  • 《数据结构》学习笔记3——串匹配算法性能评估
    本文主要讨论串匹配算法的性能评估,包括模式匹配、字符种类数量、算法复杂度等内容。通过借助C++中的头文件和库,可以实现对串的匹配操作。其中蛮力算法的复杂度为O(m*n),通过随机取出长度为m的子串作为模式P,在文本T中进行匹配,统计平均复杂度。对于成功和失败的匹配分别进行测试,分析其平均复杂度。详情请参考相关学习资源。 ... [详细]
  • HDU 2372 El Dorado(DP)的最长上升子序列长度求解方法
    本文介绍了解决HDU 2372 El Dorado问题的一种动态规划方法,通过循环k的方式求解最长上升子序列的长度。具体实现过程包括初始化dp数组、读取数列、计算最长上升子序列长度等步骤。 ... [详细]
  • 本文讨论了Alink回归预测的不完善问题,指出目前主要针对Python做案例,对其他语言支持不足。同时介绍了pom.xml文件的基本结构和使用方法,以及Maven的相关知识。最后,对Alink回归预测的未来发展提出了期待。 ... [详细]
  • 本文介绍了C#中数据集DataSet对象的使用及相关方法详解,包括DataSet对象的概述、与数据关系对象的互联、Rows集合和Columns集合的组成,以及DataSet对象常用的方法之一——Merge方法的使用。通过本文的阅读,读者可以了解到DataSet对象在C#中的重要性和使用方法。 ... [详细]
  • 本文介绍了OC学习笔记中的@property和@synthesize,包括属性的定义和合成的使用方法。通过示例代码详细讲解了@property和@synthesize的作用和用法。 ... [详细]
  • Mac OS 升级到11.2.2 Eclipse打不开了,报错Failed to create the Java Virtual Machine
    本文介绍了在Mac OS升级到11.2.2版本后,使用Eclipse打开时出现报错Failed to create the Java Virtual Machine的问题,并提供了解决方法。 ... [详细]
  • 本文介绍了在SpringBoot中集成thymeleaf前端模版的配置步骤,包括在application.properties配置文件中添加thymeleaf的配置信息,引入thymeleaf的jar包,以及创建PageController并添加index方法。 ... [详细]
  • 本文详细介绍了Linux中进程控制块PCBtask_struct结构体的结构和作用,包括进程状态、进程号、待处理信号、进程地址空间、调度标志、锁深度、基本时间片、调度策略以及内存管理信息等方面的内容。阅读本文可以更加深入地了解Linux进程管理的原理和机制。 ... [详细]
  • 后台获取视图对应的字符串
    1.帮助类后台获取视图对应的字符串publicclassViewHelper{将View输出为字符串(注:不会执行对应的ac ... [详细]
  • 本文介绍了通过ABAP开发往外网发邮件的需求,并提供了配置和代码整理的资料。其中包括了配置SAP邮件服务器的步骤和ABAP写发送邮件代码的过程。通过RZ10配置参数和icm/server_port_1的设定,可以实现向Sap User和外部邮件发送邮件的功能。希望对需要的开发人员有帮助。摘要长度:184字。 ... [详细]
  • 高质量SQL书写的30条建议
    本文提供了30条关于优化SQL的建议,包括避免使用select *,使用具体字段,以及使用limit 1等。这些建议是基于实际开发经验总结出来的,旨在帮助读者优化SQL查询。 ... [详细]
  • CentOS 7部署KVM虚拟化环境之一架构介绍
    本文介绍了CentOS 7部署KVM虚拟化环境的架构,详细解释了虚拟化技术的概念和原理,包括全虚拟化和半虚拟化。同时介绍了虚拟机的概念和虚拟化软件的作用。 ... [详细]
  • 基于layUI的图片上传前预览功能的2种实现方式
    本文介绍了基于layUI的图片上传前预览功能的两种实现方式:一种是使用blob+FileReader,另一种是使用layUI自带的参数。通过选择文件后点击文件名,在页面中间弹窗内预览图片。其中,layUI自带的参数实现了图片预览功能。该功能依赖于layUI的上传模块,并使用了blob和FileReader来读取本地文件并获取图像的base64编码。点击文件名时会执行See()函数。摘要长度为169字。 ... [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