让Python使用Bing翻译API V2
最近要整点自动翻译的东东，发现最亲民的Google的翻译API关闭了。那么摆在码农的面前大概也只有2条路，
一是，直接使用web版本的的google翻译，然后分析URL，和结果得到翻译结果。然后直接调用，网上好像已经有兄弟们这样干了。
二是，投奔微软的阵营，使用Bing的API，
由于我要翻译的东东好像在bing这儿的翻译效果还可以，另外也训练一下自己的Python能力，做点开源的事情。打算写个Python使用Bing的API代码测试一下。
Bing的翻译API也不是绝对免费，每个月可以翻译2M的字符的数据。这个当然不多，但一般人也够用了。（纯文本的圣经4M多）。超出后如果要再使用也必须付费，
费用好像是2M 40美刀。
另外Bing的API有一些有特色的地方，比如你可以在里面增加一些自己的翻译，帮助修正你的翻译结果，另外其还有语音能力。可以将你输入的语音转换为wav或者mp3文件。上流。
网上有些兄弟写过Bing的API，但是大部分是是对于V1的版本的，V2版本改了验证方式
现在微软已经使用了新的验证方式，使用APPID的方法已经玩不转了。每次使用前必须用一个access token的东东，你必须自己申请一个ClientID和Client密码。有兴趣了解详情的请参考
http://blogs.msdn.com/b/translation/p/gettingstarted1.aspx
http://api.microsofttranslator.com
Bing的API有3种调用接口，Ajax，SOAP，HTTP。我用Python搞，估计HTTP的方式更加合适我一点。我的只实现了部分接口，
我实现的Bing 翻译V2的接口包括，翻译，得到翻译候选列表，（一次翻译多个语句）设置翻译内容，得到语音等几个，其他的感觉有点多余，未必用得到。
如果没有token或者Token超时，会自己重新去获取Token，使用起来也比较简单。
还是多说无益，上代码，注释应该足够丰富，大家肯定看的明白。
1 # coding=utf-8 2 ''' 3 网上有些兄弟写过，但是大部分是是对于V1的版本的，V2版本改了验证方式 4 现在微软已经使用了新的验证方式，使用APPID的方法已经玩不转了。必须用一个access token的东东 5 6 清参考 7 http://blogs.msdn.com/b/translation/p/gettingstarted1.aspx 8 http://api.microsofttranslator.com 9 10 ''' 11 12 import urllib 13 import urllib2 14 import json 15 import time 16 import unittest 17 import xml.etree.ElementTree 18 19 20 21 class Get_Translate_Data(object): 22 ''' 23 Get Translate 操作取回的数据的，解析后的得到的数据字段， 24 ''' 25 def __init__(self): 26 # #翻译结果匹配程度 27 self._match_degree = 0 28 # #翻译结果被用户选择的次数 29 self._selected_count = 0 30 # #翻译结果可以认可的比率，MS自己有一套规则，自己上参考网址看 31 self._rating = 0 32 # #返回的结果 33 self._translated_text = "" 34 35 def __str__(self): 36 return ("match_degree:%s selected_count:%s rating:%s translated_text:%s")\ 37 % (self._match_degree, self._selected_count, self._rating, self._translated_text) 38 39 40 class Bing_Translator_API(object): 41 ''' 42 此工具用于使用bing的翻译API，让你快速的得到翻译的结果 43 我是按照2012年12月22日看到的API V2的要求实现的， 44 实现的Bing 翻译V2的接口包括，翻译，得到翻译候选列表，（一次翻译多个语句）设置翻译内容，得到语音， 45 ''' 46 # 最大请求的字符长度，微软的要求 47 REQ_STR_MAX_LEN = 10000 48 # add trascation 增加翻译的原文最大长度 49 ADD_ORIGINALTEXT_LEN = 1000 50 # add trascation 增加翻译的翻译文字长度 51 ADD_TRANSLATEDTEXT_LEN = 2000 52 # SPEEK string的最大值 53 SPEAK_STRING_LEN = 2000 54 55 # 最大返回的结果个数 56 RSP_RESULT_MAX_NUMBER = 10 57 58 # 取得acess token的两个参数，常量 59 ACCESS_TOKEN_REQ_SCOPE = "http://api.microsofttranslator.com" 60 ACCESS_TOKEN_REQ_GRANT_TYPE = "client_credentials" 61 62 # POST取得ACESS TOKEN的URL 63 ACCESS_TOKEN_REQ_URL = "https://datamarket.accesscontrol.windows.net/v2/OAuth2-13" 64 # GET方法得到翻译的结果，只得到一个结果，估计这个最常用 65 TRANSLATE_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/Translate" 66 # POST取得翻译结果的结果的URL,这个是一次可以取回多个翻译结果 67 GET_TRANSLATE_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/GetTranslations" 68 # 检测语句的语言 69 DETECT_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/Detect" 70 # 增加翻译的URL 71 ADD_TRANSLATION_URL = "http://api.microsofttranslator.com/V2/Http.svc/AddTranslation" 72 # 发音的请求 73 SPEAK_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/Speak" 74 75 # LC=language code,常用的几个都写在这儿，免得你还要查询 76 LC_CHINESE_SIMPLIFIED = "zh-CHS" 77 LC_CHINESE_TRADITIONAL = "zh-CHT" 78 LC_ENGLISH = "en" 79 LC_JAPANESE = "ja" 80 LC_KOREAN = "ko" 81 LC_FRENCH = "fr" 82 LC_GERMAN = "de" 83 84 def __init__ (self, client_id, client_secret, proxy_conf=None): 85 ''' 86 @param client_id 客户端ID，你在MS网址注册得到的ID 87 @param client_secret 客户端密钥 88 @param proxy_conf 代理配置,默认None，不配置,如果配置http，https都要写， 89 比如{'http': 'http://proxy.a.com:8080/','https': 'http://proxy.a.com:8080/'},折腾了我一个下午 90 ''' 91 92 # 你请求获得acess token的两个参数，客户端ID，和一个验证密码 93 self._client_id = client_id 94 self._client_secret = client_secret 95 96 self._token_opener = None 97 self._api_opener = None 98 99 # 如果有代理，配置代理 100 if proxy_conf == None : 101 self._token_opener = urllib2.build_opener() 102 self._api_opener = urllib2.build_opener() 103 else: 104 self._token_opener = urllib2.build_opener(urllib2.ProxyHandler(proxy_conf), urllib2.HTTPSHandler()) 105 self._api_opener = urllib2.build_opener(urllib2.ProxyHandler(proxy_conf), urllib2.HTTPHandler()) 106 107 self._access_token = "" 108 self._expires_time = 0 109 110 111 112 113 def __get_acess_token(self, retry_num=3): 114 ''' 115 @brief 得到访问的access token，如果已经有了token，而且没有超时，就不继续使用原有的token 116 @retry_num 重试的次数 117 ''' 118 # 检查超时与否，如果没有超时，什么都不做 119 if (time.time() - 10 < self._expires_time): 120 return 0 121 122 post_data = urllib.urlencode({'client_id':self._client_id, \ 123 'client_secret':self._client_secret, \ 124 'scope':Bing_Translator_API.ACCESS_TOKEN_REQ_SCOPE, 125 'grant_type':Bing_Translator_API.ACCESS_TOKEN_REQ_GRANT_TYPE }) 126 127 retry_count = 0 128 resp_data = None 129 130 # 进行N词重试 131 while (retry_count < retry_num) : 132 try : 133 resp_data = self._token_opener.open(fullurl=Bing_Translator_API.ACCESS_TOKEN_REQ_URL, \ 134 data=post_data, \ 135 timeout=10) 136 except Exception, e: 137 retry_count += 1 138 self._token_opener.close() 139 print str(e), Bing_Translator_API.ACCESS_TOKEN_REQ_URL, retry_count 140 continue 141 break 142 143 self._token_opener.close() 144 if (retry_count == retry_num): 145 return -1 146 147 str_data = unicode(resp_data.read()) 148 149 # 分析json得到数据和超时时间， 150 token_data = json.loads(str_data) 151 # 注意，不要解码，我画蛇添足的搞了1个小时才发现这个错误 152 self._access_token = token_data["access_token"] 153 self._expires_time = time.time() + int(token_data["expires_in"]) 154 155 return 0 156 157 def translate(self, from_language, to_language , want_translate, content_type="text/plain", category="general", retry_num=3): 158 ''' 159 @brief 得到翻译,只有一个翻译结果，作为返回值返回, 160 @notice 这个方法使用的是GET 请求 161 @param from_language 翻译的语言，参考前面的LC_XXX定义 162 @param to_language 163 @param want_translate 要翻译的的文本信息，必须用UTF8的编码， 164 @param content_type "text/plain" 或者"text/html" 165 @param category 分类，估计可以提高翻译的准确度，但MS也没有告知我们可以填写啥，默认"general" 166 @return 一个元组，第一个数值是int,==0表示成功，第二个是成功后翻译的语句， 167 ''' 168 ret_text = "" 169 170 if (len(want_translate) > Bing_Translator_API.REQ_STR_MAX_LEN): 171 return (-1, ret_text) 172 # 检查token还是否有效，以及是否需要重新获取 173 ret = self.__get_acess_token(retry_num) 174 if (ret != 0): 175 return (ret, ret_text) 176 177 # print self._api_opener.addheaders 178 # 得到请求的URL 179 url_all = Bing_Translator_API.TRANSLATE_REQ_URL + "?" + urllib.urlencode({'text':want_translate, \ 180 'from':from_language, \ 181 'to':to_language, \ 182 'contentType':content_type, \ 183 'category':category }) 184 url_req = urllib2.Request(url=url_all) 185 url_req.add_header('Authorization', 'bearer ' + self._access_token) 186 187 retry_count = 0 188 resp_data = None 189 # 进行N次重试 190 while (retry_count < retry_num) : 191 try : 192 resp_data = self._token_opener.open(url_req, timeout=10) 193 except Exception, e: 194 retry_count += 1 195 print str(e), url_req, retry_count 196 continue 197 else: 198 break 199 finally: 200 self._token_opener.close() 201 202 if (retry_count == retry_num): 203 return (-1, ret_text) 204 205 # 解析XML结果得到数据 206 xml_str = resp_data.read() 207 tag = xml.etree.ElementTree.fromstring(xml_str) 208 ret_text = tag.text 209 210 return (0, ret_text) 211 212 def get_translate(self, from_language, to_language , want_translate, result_list, \ 213 content_type="text/plain", category="general", user="", uri="", retry_num=3): 214 ''' 215 @brief 得到翻译,可能有多个翻译的结果返回，返回的是一个列表， 216 @notice 这个方法使用的是GET 请求 217 @param result_list 返回参数，返回的翻译list的Get_Translator_Data 218 @param user 用户名称，默认为"",如果对翻译效果不满意，可以改为all 219 @param uri URI 220 @param 其他参数同translate函数,不多解释 221 @return 返回0表示成功，其他表示失败 222 ''' 223 224 if (len(want_translate) > Bing_Translator_API.REQ_STR_MAX_LEN): 225 return -1 226 # 检查token还是否有效，以及是否需要重新获取 227 ret = self.__get_acess_token(retry_num) 228 if (ret != 0): 229 return ret 230 231 232 # 得到请求的URL 233 url_all = Bing_Translator_API.GET_TRANSLATE_REQ_URL + "?" + urllib.urlencode({'text':want_translate, \ 234 'from':from_language, \ 235 'to':to_language, \ 236 'maxTranslations':Bing_Translator_API.RSP_RESULT_MAX_NUMBER }) 237 238 # 其实不发送下面Post数据也可以发送请求(发送参数="",不能不写，否则是GET请求)，也可以得到结果，我测试过。增加下面这段反而又让我调试了半天 239 # Post 请求的参数，里面的State是一个事务ID，请求带过去，返回的结果，MS给你带回来，你要希望使用，自己改造 240 # 这样的到的翻译很多，但效果感觉比较糟糕，估计有些是用户添加的，如果你不喜欢，可以在User的值改为all 241 post_data = "<TranslateOptions xmlns=\"http://schemas.datacontract.org/2004/07/Microsoft.MT.Web.Service.V2\">"\ 242 "<Category>%s</Category>"\ 243 "<ContentType>%s</ContentType>"\ 244 "<ReservedFlags></ReservedFlags>"\ 245 "<State>20121221</State>"\ 246 "<Uri>%s</Uri>"\ 247 "<User>%s</User>"\ 248 "</TranslateOptions>" % (category, content_type, uri, user) 249 250 251 url_req = urllib2.Request(url=url_all, data=post_data) 252 url_req.add_header('Authorization', 'bearer ' + self._access_token) 253 # 如果要加post数据，这行必须加，否返回500的错误，看了半天C#的例子 254 url_req.add_header('Content-Type', 'text/xml') 255 retry_count = 0 256 resp_data = None 257 # 进行N次重试 258 while (retry_count < retry_num) : 259 try : 260 resp_data = self._token_opener.open(url_req, timeout=10) 261 except Exception, e: 262 retry_count += 1 263 print str(e), url_req, retry_count 264 continue 265 else: 266 break 267 finally: 268 self._token_opener.close() 269 270 if (retry_count == retry_num): 271 return -1 272 273 # 倒霉的XML namespace，麻烦死了 274 MS_GETTRNS_NAMESPACES = "http://schemas.datacontract.org/2004/07/Microsoft.MT.Web.Service.V2" 275 276 xml_str = resp_data.read() 277 tag = xml.etree.ElementTree.fromstring(xml_str) 278 # 前面非要家那个.//，而且还必须有那个XML的名字空间{http://schemas.datacontract.org/2004/07/Microsoft.MT.Web.Service.V2} 279 tans_list = tag.findall(".//{%s}TranslationMatch" % MS_GETTRNS_NAMESPACES) 280 for tag_item in tans_list: 281 trans_data = Get_Translate_Data() 282 for iter_item in tag_item.iter(): 283 if iter_item.tag == "{%s}Count" % MS_GETTRNS_NAMESPACES: 284 trans_data._selected_count = int(iter_item.text) 285 if iter_item.tag == "{%s}MatchDegree" % MS_GETTRNS_NAMESPACES: 286 trans_data._match_degree = int(iter_item.text) 287 if iter_item.tag == "{%s}Rating" % MS_GETTRNS_NAMESPACES: 288 trans_data._rating = int(iter_item.text) 289 if iter_item.tag == "{%s}TranslatedText" % MS_GETTRNS_NAMESPACES: 290 trans_data._translated_text = iter_item.text 291 # print trans_data 292 result_list.append(trans_data) 293 return 0 294 295 def detect(self, detect_text, retry_num=3): 296 ''' 297 @brief 检查语句的语言 298 @notice 这个方法使用的是GET 请求 299 @param detect_text 检测的语句，必须用UTF8的编码， 300 @return 一个元组，第一个数值是int,==0表示成功，否则表示失败，第二个是成功后返回语言的标识，如果失败，返回'' 301 ''' 302 ret_text = "" 303 304 if (len(detect_text) > Bing_Translator_API.REQ_STR_MAX_LEN): 305 return (-1, ret_text) 306 # 检查token还是否有效，以及是否需要重新获取 307 ret = self.__get_acess_token(retry_num) 308 if (ret != 0): 309 return (ret, ret_text) 310 311 # print self._api_opener.addheaders 312 # 得到请求的URL 313 url_all = Bing_Translator_API.DETECT_REQ_URL + "?" + urllib.urlencode({'text':detect_text}) 314 url_req = urllib2.Request(url=url_all) 315 url_req.add_header('Authorization', 'bearer ' + self._access_token) 316 317 retry_count = 0 318 resp_data = None 319 # 进行N次重试 320 while (retry_count < retry_num) : 321 try : 322 resp_data = self._token_opener.open(url_req, timeout=10) 323 except Exception, e: 324 retry_count += 1 325 print str(e), url_req, retry_count 326 continue 327 else: 328 break 329 finally: 330 self._token_opener.close() 331 332 if (retry_count == retry_num): 333 return (-1, ret_text) 334 335 # 解析XML结果得到数据 336 xml_str = resp_data.read() 337 tag = xml.etree.ElementTree.fromstring(xml_str) 338 ret_text = tag.text 339 340 return (0, ret_text) 341 342 def add_translation(self, original_text, translated_text, from_language, to_language, user, \ 343 rating=1, content_type="text/plain", category="general", uri="", retry_num=3): 344 ''' 345 @brief 增加翻译内容，用于改善后面的翻译 346 @notice 这个方法使用的是GET 请求 347 @param original_text 原文 348 @param translated_text 已经翻译的原文 349 @param from_language 350 @param to_language 351 @param usr 用户名称,估计在get的时候会有一些作用 352 @param rating -10~10 353 @param content_type "text/plain" 或者"text/html" 354 @param category 分类，估计可以提高翻译的准确度，但MS也没有告知我们可以填写啥，默认"general" 355 @param uri 356 @param retry_num 重试次数 357 @return 返回0表示成功，其他表示失败 358 ''' 359 360 if (len(original_text) > Bing_Translator_API.ADD_ORIGINALTEXT_LEN): 361 return -1 362 if (len(translated_text) > Bing_Translator_API.ADD_TRANSLATEDTEXT_LEN): 363 return -1 364 # 检查token还是否有效，以及是否需要重新获取 365 ret = self.__get_acess_token(retry_num) 366 if (ret != 0): 367 return (ret, ret_text) 368 369 # print self._api_opener.addheaders 370 # 得到请求的URL 371 url_all = Bing_Translator_API.ADD_TRANSLATION_URL + "?" + urllib.urlencode({'originalText':original_text, \ 372 'translatedText':translated_text, \ 373 'from':from_language, \ 374 'to':to_language, \ 375 'rating':rating, \ 376 'contentType':content_type, \ 377 'category':category, \ 378 'user':user, 379 'uri':uri }) 380 url_req = urllib2.Request(url=url_all) 381 url_req.add_header('Authorization', 'bearer ' + self._access_token) 382 383 retry_count = 0 384 resp_data = None 385 # 进行N次重试 386 while (retry_count < retry_num) : 387 try : 388 resp_data = self._token_opener.open(url_req, timeout=10) 389 except Exception, e: 390 retry_count += 1 391 print str(e), url_req, retry_count 392 continue 393 else: 394 break 395 finally: 396 self._token_opener.close() 397 398 if (retry_count == retry_num): 399 return -1 400 401 return 0 402 403 404 def speak(self, speak_text, language, format="audio/wav", options="MinSize", retry_num=3): 405 ''' 406 @brief 得到翻译,可能有多个翻译的结果返回，返回的是一个列表， 407 @notice 这个方法使用的是GET 请求 408 @param speak_text 409 @param language 语言 410 @param format 为 audio/wav 或者 audio/mp3 411 @param options 为“MaxQuality” 或者 "MinSize" 412 @return 返回0表示成功，其他表示失败 413 ''' 414 415 if (len(speak_text) > Bing_Translator_API.SPEAK_STRING_LEN): 416 return -1 417 # 检查token还是否有效，以及是否需要重新获取 418 ret = self.__get_acess_token(retry_num) 419 if (ret != 0): 420 return ret 421 422 ret_speak = "" 423 # 得到请求的URL 424 url_all = Bing_Translator_API.SPEAK_REQ_URL + "?" + urllib.urlencode({'text':speak_text, \ 425 'language':language, \ 426 'format':format, \ 427 'options':options }) 428 url_req = urllib2.Request(url=url_all) 429 url_req.add_header('Authorization', 'bearer ' + self._access_token) 430 431 retry_count = 0 432 resp_data = None 433 # 进行N次重试 434 while (retry_count < retry_num) : 435 try : 436 resp_data = self._token_opener.open(url_req, timeout=10) 437 except Exception, e: 438 retry_count += 1 439 print str(e), url_req, retry_count 440 continue 441 else: 442 break 443 finally: 444 self._token_opener.close() 445 446 if (retry_count == retry_num): 447 return (-1, ret_speak) 448 449 # 解析XML结果得到数据 450 ret_speak = resp_data.read() 451 452 return (0, ret_speak) 453 454 #单元测试，单元测试 455 class Test_Bing_Translator_API(unittest.TestCase): 456 457 def setUp(self): 458 # self._test_api = Bing_Translator_API(client_id="你的客户端ID",\ 459 # client_secret="你的客户端密钥") 460 self._test_api = Bing_Translator_API(client_id="你的客户端ID", \ 461 client_secret="你的客户端密钥", \ 462 proxy_conf={'http': '你的代理服务器:端口/', 'https': '你的代理服务器:端口'})
463 464 465 def test_translate(self): 466 ret, trans_str = self._test_api.translate(Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \ 467 Bing_Translator_API.LC_ENGLISH, \ 468 "中华人民共和国"); 469 print ret , trans_str 470 471 test_string = "中华人民共和国" 472 test_gb2312 = test_string.encode('gb2312') 473 # 这个地方翻译会错误，所以编码不能用GB2312这类编码 474 ret, trans_str = self._test_api.translate(Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \ 475 Bing_Translator_API.LC_ENGLISH, \ 476 test_gb2312); 477 print ret , trans_str 478 479 def test_get_translate(self): 480 result_list = [] 481 ret = self._test_api.get_translate(Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \ 482 Bing_Translator_API.LC_ENGLISH, \ 483 "中华人民共和国", 484 result_list); 485 for trans_data in result_list : 486 print trans_data 487 result_list = [] 488 ret = self._test_api.get_translate(Bing_Translator_API.LC_ENGLISH, \ 489 Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \ 490 "to", 491 result_list); 492 for trans_data in result_list : 493 print trans_data 494 495 def test_detect(self): 496 ret, detect_lan = self._test_api.detect("中华人民共和国") 497 print ret, detect_lan 498 ret, detect_lan = self._test_api.detect("made in china") 499 print ret, detect_lan 500 501 def test_add_translation(self): 502 ret = self._test_api.add_translation(original_text="china", \ 503 translated_text="瓷器", \ 504 from_language=Bing_Translator_API.LC_ENGLISH, \ 505 to_language=Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \ 506 user="fullsail") 507 print ret 508 result_list = [] 509 ret = self._test_api.get_translate(Bing_Translator_API.LC_ENGLISH, \ 510 Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \ 511 "china", 512 result_list, 513 user="fullsail"); 514 for trans_data in result_list : 515 print trans_data 516 517 518 def test_speek(self): 519 ret, ret_speak = self._test_api.speak(speak_text="人一走，茶就凉，是自然规律；人没走，茶就凉，是世态炎凉。一杯茶，佛门看到的是禅，道家看到的是气，儒家看到的是礼，商家看到的是利。茶说：我就是一杯水，给你的只是你的想像，你想什么，什么就是你。心即茶，茶即心。", \ 520 language=Bing_Translator_API.LC_CHINESE_SIMPLIFIED); 521 522 523 file_hdl = open("D:\\123.wav", "wb+") 524 file_hdl.write(ret_speak) 525 file_hdl.close() 526 527 528 if __name__ == '__main__': 529 unittest.main() 530
最早看python应该是8年前了，但直到最近2个月才使用，计算机是实践科学，看了不用，等于浪费，没有任何效果 这次算是一个小小的进步。
【本文作者是雁渡寒潭，本着自由的精神，你可以在无盈利的情况完整转载此文档，转载时请附上BLOG链接:http://www.cnblogs.com/fullsail/ 或者http://blog.csdn.net/fullsail，否则每字一元，每图一百不讲价。对Baidu文库。360doc加价一倍】
想得卻不可得 你奈人生何 該捨的捨不得 只顧著跟往事瞎扯
