使用 Google API 進行翻譯的 Python 小工具

因為能及時地完成這個小工具，全靠在網上找到一些代碼來用，所以，也把自己完成的東西回饋給網路。:)

之前有這麼一個小需求，要大量地翻譯一些零散的句子，對於翻譯的品質並不在意，直接採用翻譯工具的結果就可以了。但是量很大，於是就想著用 Google 的翻譯 API 來做。一開始想用 JavaScript 來寫的，但由於只會 JavaScript 的對 Google 翻譯 API 的非同步呼叫方式，不知道如何才能進行批量的翻譯。

於是決定用 Python 的來實現。先從網上抄了一些現成的代碼（主要是參考這篇），但都不能正確地得到結果。由於稍微做了一些修改，使之能正常地運行得到翻譯的結果，代碼如下：

          import urllib,urllib2from sgmllib import SGMLParserclass 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 = Falsedef Translate(text, f, t):    MySentence = []       values = {'hl':'zh-CN','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 MySentence    def TranlateForIgnorException(text):    excpCnt = 0    while 1:        try:            arStr = Translate(langStr, "en", "ar")[0]            break        except:            excpCnt = excpCnt + 1                                if excpCnt > 10:                break            time.sleep(2)    return arStrif __name__ == "__main__":    ArStr = TranlateForIgnorException("This")

函數 Translate （第20行），是類比瀏覽器向 google 發出 http 的請求。第一個參數是需要翻譯的句子，第二、三個參數是原語言和目標語言，分別是一定預選定義好的字串（英文是 "en"，阿拉伯語是"ar"，簡體中文是'zh-CN'等），完整的定義在 Google 翻譯 API 的文檔中有描述。傳回值是翻譯後的字串，是 UTF8 的編碼。這個函數可以看成是同步的。

我在使用的時候，把要翻譯的句子讀入一個 list 中，然後依次進行翻譯。連續調用的時候，很容易出現 http 506 錯誤的異常。我不知道如何正確地處理它，於是我用了另一個函數（第33行）TranlateForIgnorException ，當出現異常時就再進行一次翻譯，直到翻譯成功為止，或是，異常連續出現 10 次（因為有的句子無法進行翻譯，比如，帶有"http://"這樣網址的字串）。

另外一點需要說明的是，原來在網上抄的代碼中，解析 html 檔案得到翻譯後字串的部分有點問題，問題是在第 13 行代碼處，原來的代碼是以'result_box' 為標籤時進行抽取，但我使用後發現不太對，於是把 google 發回的整個 html 檔案存下來，查看後發現，翻譯後文字是存在 'tts_button' 為 id 的 div 標籤中的。所以我進行了修改，我不保證這個絕對正確，如果您發現有不對的地方，可以試著從這些看看。