Outil de traduction par lots de documents écrit en Python, l'effet est meilleur qu'un logiciel payant ?

Cet article partagera avec vous un script bureautique Python pratique "Utiliser Python pour traduire par lots des documents Word anglais et préserver le format". logiciel! Jetons d’abord un coup d’œil au contenu spécifique du travail.

1. Description des exigences

J'ai sous la main un grand nombre de documents en langue étrangère (dans ce cas, nous prenons 5 documents comme exemple, nommés test1.docx test2.docx et ainsi de suite), dont l'un est le suivant :

Exigences de base  : "Traduire tout le contenu de ces documents en chinois par lots et les transférer dans de nouveaux fichiers" , l'effet est le suivant :

Exigences avancées  : Alors que les besoins de base sont remplie, l'exigence "préserver le format des documents originaux" , l'effet est le suivant :

2. Tri logique

1. API de traduction

Le cœur de cette exigence est Traduction, la stratégie est d'utiliser l'API de traduction du réseau, nous recommandons ici Baidu Translation Open Platform, Si vous ne tenez pas compte du nombre d'utilisateurs simultanés, vous pouvez utiliser la version standard, qui est gratuite et sans caractère limite!

«

Plateforme ouverte de traduction Baidu : http : //api.fanyi.baidu.com/api/trans/product/indexhttp://api.fanyi.baidu.com/api/trans/product/index

”

在使用百度的通用翻译 API 之前需要完成以下工作：

1. 使用百度账号登录百度翻译开放平台（http://api.fanyi.baidu.com）；
2. 注册成为开发者，获得APPID；
3. 进行开发者认证（如仅需标准版可跳过）；
4. 开通通用翻译API服务：开通链接
5. 参考技术文档和Demo编写代码

完成后在个人页面在即可看到 ID 和密钥，这个很重要！下面给出整理好的通用翻译 API 的 demo，已经对输出做简单修改，代码拿走就能用！

可以看到，测试内容准确的被翻译出来，注意如果需要多次访问 API，免费版有并发数和时间限制，可以用 time

”

Le travail suivant doit être effectué avant d'utiliser l'API de traduction universelle de Baidu :

Utilisez le compte Baidu pour vous connecter à la plateforme ouverte de traduction Baidu ( http://api.fanyi.baidu.com code>) ;
1. Inscrivez-vous en tant que développeur, obtenez APPID ;
2. Effectuer la certification du développeur (vous pouvez l'ignorer si vous souhaitez uniquement la version standard) ;
3. Service API de traduction universelle ouverte : lien ouvert
4. Référez-vous à la documentation technique et à la démo pour écrire du code

Une fois terminé, vous pouvez voir l'ID et la clé sur la page personnelle. C'est très important! La démo de l'API de traduction universelle compilée est donnée ci-dessous. Le résultat a été simplement modifié et le code peut être utilisé !

Vous pouvez voir que le contenu du test est traduit avec précision. Notez que si vous devez accéder à l'API plusieurs fois, la version gratuite a une concurrence et des limites de temps. , vous pouvez utiliser time Le module dort pendant une seconde

🎜2. Modification du format🎜🎜🎜La difficulté avec les exigences avancées est de conserver le format En termes simples🎜Quel est le format de page et le format de paragraphe du document original, et quelle est la partie correspondante après traduction. 🎜🎜🎜Sur la base de la relation logique ci-dessus, il vous suffit d'obtenir le contenu correspondant du document original et de l'attribuer au document nouvellement traduit. (Pour l'instant, il ne peut répondre qu'à l'unification des paramètres de page et des paramètres de paragraphe. Pour la modification du format de mots spécifiques dans un paragraphe, garantir l'exactitude nécessite un traitement du langage naturel NLP, qui n'est pas abordé dans cet article.) 🎜

2.1 Style de page

Le style de page ne doit inclure que les marges, la direction, la hauteur, la largeur, etc. Comme vous pouvez le voir sur le document original, des marges étroites sont adoptées. Mais nous n'avons pas besoin de savoir comment définir les quatre directions des marges étroites. Il nous suffit de présenter le transfert variable des anciens et des nouveaux documents dans le code, comme suit

2.2 Style de paragraphe

. Le style de paragraphe inclut l'alignement, l'indentation, l'espacement, etc. qui sont en retrait après les paragraphes du document original et le titre est centré. Ces réglages peuvent être bien effectués en passant variable. Si la valeur de la variable qui n'est pas définie dans le document original est None

2.3 Modification du style du bloc de texte

Pour les ajustements de style tels que la taille de la police, le gras, l'italique, la couleur, etc., la stratégie adoptée est de créer une liste vide et parcourir le document original Pour chaque bloc de texte de chaque paragraphe, les attributs correspondants sont obtenus et placés dans leurs listes respectives. Pour le même paragraphe, l'option avec le plus d'attributs de bloc de texte est affectée au paragraphe correspondant de. le document traduit (comme la totalité ou la majeure partie d'un paragraphe) Si le texte est en gras, tous les blocs de texte du paragraphe correspondant seront mis en gras après la traduction) Les lecteurs intéressés par la PNL peuvent essayer de restaurer dans une large mesure les modifications de style de certains mots spécifiques dans les documents anglais et de les refléter dans les documents traduits.

Le code ci-dessus n'inclut pas les paramètres de police, car il n'est pas nécessaire de les modifier. l'anglais La police est transmise au document chinois. Le paramétrage des polices chinoises a été mentionné dans l'article précédent. C'est relativement compliqué. Veuillez consulter le code directement :

from docx.oxml.ns import qn

run.font.name = '微软雅黑'
r = run._element.rPr.rFonts
r.set(qn('w:eastAsia'), '微软雅黑')

3 Étapes globales de mise en œuvre

Maintenant, chaque partie de l'opération est terminée. il y en a beaucoup. Chaque document doit être traduit, donc toute la logique est la suivante :

1. 利用 glob 模块批处理框架可获取某个文件的绝对路径
2. 由 python-docx 完成 Word 文件实例化后对段落进行解析
3. 解析出的段落文本交给百度通用翻译 API，解析返回的 Json 格式结果（上面的修改 demo 中已经完成了这一步）并重新写入新的文件
4. 同个文件全部解析、翻译并写入新文件后保存文件

三、代码实现

导入需要的模块，除翻译 demo 中需要的库外还需要 glob 库批量获取文件、python-docx 读取文件、time 模块控制访问并发。为什么要 os 模块见下文：

import requests
import random
import json
from hashlib import md5
import time
from docx import Document
import glob
import os

对原 demo 的部分内容进行保留，涉及到 query 参数的代码需要移动到后面的循环中。保留的部分：

效果如下

获取到段落文本后，可以将段落文本赋值给 query 参数，调用 API demo 的后续代码。输出结果的同时用 add_paragraph 将结果写入新文档：

最后保存成新文件，期望命名为 原文件名_translated 的形式，可用 os.path.basename 方法获取并经字符串拼接达到目的：

wordfile_new.save(path + r'\\' + os.path.basename(file)[:-5] + '_translated.docx')

单个文件操作完成后将读取和创建文件的代码块放到批处理框架内：

完成了上面的内容后，基本需求就完成了。根据我们梳理的对样式的修改知识，再把样式调整的代码加进来就行了，最终完整代码如下：

代码运行完毕后得到五个新的翻译后文件

翻译效果如下，可以看到英文被翻译成中文，并且样式大部分保留！

至此，所有文档都被成功翻译，当然这是机器翻译的，具体应用时还需要对关键部分进一步人工调整，不过整体来说还是一次成功的Python办公自动化尝试！

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!