[[439869]]

大家好，我是我是Python進(jìn)階者。

一、前言

前幾天有個叫【張茜】的粉絲找我看了一個代碼，關(guān)于電子書中英文自動翻譯的，感覺挺有意思，這里拿出來給大家分享下。

二、簡介

這個小項目是git上一個叫【xiaolai】的大佬分享的，看上去還是挺新的，發(fā)布不太久，14天前發(fā)布的。

一本書中文譯文大約 39 萬字的書，差不多用 1.5 小時就可以處理完畢(包括基本的格式編輯)，這速度恐怖如斯!下面一起來看看這款神器的使用方法吧!

三、電子書格式轉(zhuǎn)換路徑

首先，需要將電子書從 Kindle 中導(dǎo)出來，并用 ePubor 進(jìn)行 deDRM，而后將電子書轉(zhuǎn)換成 epub 文件。

我都是在 Amazon 上直接買，而后在電腦上安裝一個老版本的 Kindle App，用鼠標(biāo)右鍵點擊書名，下載，并不打開該電子書，而后退出 Kindle。

ePubor Ultimate 也是個收費軟件，能把舊版 Kindle 下載的電子書的 DRM 去掉;將 awz 文件轉(zhuǎn)換成 epub 文件。(可參考這個網(wǎng)頁)

然后，再用免費軟件 Calibre 將 epub 轉(zhuǎn)換成 htmlz 文件(一個壓縮包)。(我嘗試過使用命令行工具包 pandoc，但，比較之后，發(fā)現(xiàn) Calibre 在保留樣式方面可能更好一點……)

在 Terminal 里用 unzip 命令解開 htmlz 壓縮包。

四、選擇 html 格式作為翻譯格式的原因

可以保留書中大量的腳注、尾注及其鏈接;DeepL 有專門的 API 參數(shù)處理 xml tag，tag_handling="xml";

可以通過 css 文件隨意設(shè)置顯示樣式，比較靈活;

可以通過插入 javascript 函數(shù)指定某種特定語言的顯示(比如，只顯示中文);

可以用來作為源文件轉(zhuǎn)換成任意格式的電子書……

另外，在調(diào)用 tag_handling="xml" 之后，DeepL API 返回的譯文非常規(guī)整，能夠保留所有 html tag;并且，“返回字符串” 與 “原字符串” 相同，可以作為一個判斷依據(jù) —— 該行有沒有被翻譯，如果沒有，在生成的譯文 html 文件中，該行沒必要重復(fù)出現(xiàn)……

五、清理 html

html 文件整理起來比較麻煩，一個比較方便的手段是使用 BeautifulSoup 模塊。BeautifulSoup 本來是爬蟲工具，但，它又很方便的手段可以清理 html 文件。

以下腳本主要完成以下工作：

首先將 html 文件里的所有 \n 去掉;將所有

單獨放在一行;將所有

也單獨放在一行;將

內(nèi)部的所有 \n 全都去掉;并在之前加上一個空行;…… 當(dāng)然，你可以在這里做更多你自己喜歡做的格式清理。為了方便起見，path 和 source_filename 以及 target_filename 都單獨指定。代碼如下：

import bs4 
import re 
 
path = "John Law/" # 文件夾名稱末尾得有 / 
source_filename = "index.html" 
target_filename = "index2.html" 
 
html = open(path+source_filename) 
htmltext = html.read() 
 
soup = bs4.BeautifulSoup(htmltext) 
 
# 將所有的 \n 去掉…… 
htmltext = str(bs4.BeautifulSoup(htmltext)).replace("\n", "") 
 
# <h... 之前添加空行 
pttn = r'<h' 
rpl = r'\n\n<h' 
re.findall(pttn, htmltext) 
htmltext = re.sub(pttn, rpl, htmltext) 
 
# <div... 之前添加空行 
pttn = r'<div' 
rpl = r'\n\n<div' 
re.findall(pttn, htmltext) 
htmltext = re.sub(pttn, rpl, htmltext) 
 
# </div> 之前添加空行 
pttn = r'</div>' 
rpl = r'\n\n</div>' 
re.findall(pttn, htmltext) 
htmltext = re.sub(pttn, rpl, htmltext) 
 
# <p... 之前添加空行 
pttn = r'<p' 
rpl = r'\n\n<p' 
re.findall(pttn, htmltext) 
htmltext = re.sub(pttn, rpl, htmltext) 
 
fileSave = open(path+target_filename, "w") 
fileSave.write(htmltext) 
print(htmltext) 

六、逐行提交 DeepL API Pro 進(jìn)行翻譯

將清理過的 html 交給以下腳本，逐行提交給 DeepL 翻譯，并返回。

為了方便起見，path 和 source_filename 以及 target_filename 都單獨指定。

lines 是 source_filename 的內(nèi)容 new_lines 是將要放到 target_filename 中的內(nèi)容 startline 是 “從哪一行開始提交 DeepL 翻譯” endline 是 “到哪一行開始結(jié)束提交 DeepL 翻譯”。代碼如下：

import re 
import requests 
 
auth_key = "<your DeepL API Pro authentication key>" # 注意，要訂閱的是 DeepL API Pro 
target_language = "ZH"  ## 當(dāng)然，你可以將目標(biāo)語言設(shè)置成任何 DeepL 支持的語言 
 
path = "John Law/" # 文件夾名稱末尾得有 / 
source_filename = "index2.html" # 上一步生成的文件，成為這一步的 “源文件” 
target_filename = "index3.html" 
 
def translate(text): 
    result = requests.get(  
       "https://api.deepl.com/v2/translate", 
       params={  
         "auth_key": auth_key, 
         "target_lang": target_language, 
         "text": text, 
         "tag_handling": "xml", # 這個參數(shù)確保 DeepL 正確處理 html tags 
       }, 
    )  
    return result.json()["translations"][0]["text"] 
 
def add_language_tag_en(html): 
    pttn = re.compile(r'^<(.*?) class="(.*?)">', re.M) 
    rpl = r'<\1 class="\2 en">' 
    re.findall(pttn, html) 
    html = re.sub(pttn, rpl, html) 
    return html 
 
def add_language_tag_cn(html): 
    pttn = re.compile(r'^<(.*?) class="(.*?)">', re.M) 
    rpl = r'<\1 class="\2 cn">' 
    re.findall(pttn, html) 
    html = re.sub(pttn, rpl, html) 
    return html 
 
lines = open(path+source_filename, "r").readlines() 
 
 
new_lines = [] 
line_count = 0 
startline = 16 
endline = 4032 
 
for line in lines: 
    line_count += 1 
    if line_count < startline or line_count > endline or line.strip() == '': 
        new_lines.append(line) 
        print(line) 
        continue         
     
    succeeded = False 
    while not succeeded: 
        # 以下比較粗暴的 try... except，用來防止執(zhí)行過程中出現(xiàn) DeepL 連接錯誤而導(dǎo)致翻譯任務(wù)中斷…… 
        try: 
            line_translated = translate(line) 
            # 以下一行確保將返回的字符串轉(zhuǎn)換成一整行，而非含有 \n 的多行文本 
            line_translated = line_translated.replace("\n", "") 
             
            succeeded = True 
        except: 
            succeeded = False 
     
    if line.strip() == line_translated.strip():  
        #返回的字符串與原字符串相同，說明 html tag 之間的內(nèi)容無需翻譯 
        new_lines.append(line) 
        print(line) 
    else: 
        line = add_language_tag_en(line) 
        line_translated = add_language_tag_cn(line_translated) 
        new_lines.append(line) 
        print(line) 
        new_lines.append(line_translated) 
        print(line_translated) 
 
with open(path+target_filename, 'w') as f: 
    f.write("\n".join(new_lines)) 

七、結(jié)果展示

1、運行代碼之后，會自動讀取待翻譯的文件，然后進(jìn)行翻譯，如下圖所示：

2、運行完程序之后，可以得到想要的結(jié)果，如下圖所示：

八、總結(jié)

大家好，我是Python進(jìn)階者。這篇文章主要給大家介紹了使用Python腳本調(diào)用DeepL API Pro進(jìn)電子書的行中英文自動翻譯的方法，代碼親測可行，歡迎大家積極嘗試，下次再遇到需要自動翻譯的時候，不妨調(diào)用下這個API，興許事半功倍呢!