python-手动借助google翻译来翻译文档
1 import os 2 import re 3 ''' 4 读取指定的html文件 5 去掉所有的换行符 6 正则匹配特定项目：(?<=<div class="block">).+?(?=</div>) 7 然后替换掉：</code>|<code>|<i>|</i> ==> "" 8 <sup> ==> "^" 9 </sup> ==> "" 10 输出取得的项目到文件中 11 手工翻译并按行形成一个新文本（此时程序未结束运行，等待指令） 12 直接回车（读取默认路径的文本文件）或者输入文件绝对路径 13 读取结果文件，先检查行数是否一致。 14 没问题就逐行查找替换 15 然后格式化html内容，输出到源文件 16 ''' 17 18 english_str_list = list(); 19 Label_list=list(); #记录标签，防止因为标签的原因，导致html解析不正常，就是说，源文档提取出来的里面有多少标签，翻译出来的里面，最终写入的也要有那么多标签，至于文档可读性再说，解析都解析不出来，读个锤子 20 chinese_str_list = list(); 21 html_txt = "" #保存html文件内容 22 english_out_file_path = "english.txt" #保存需要翻译的内容 23 temp_html_out_file_path = "temp_html.txt" #保存中间处理过程中的html内容 24 chinese_out_file_path = "翻译结果.txt" #保存需要翻译的内容 25 html_file_path = '' #程序运行后，设置该值，保存修改内容时需要使用 26 27 ''' 28 从指定的文件中读取html内容并提取要翻译的内容 29 ''' 30 def english_process(file_path:str): 31 global html_txt,english_str_list 32 with open(file_path,'r',encoding="utf-8")as fd: 33 html_txt = fd.readlines() 34 html_txt="".join(html_txt) 35 html_txt = html_txt.replace("\n","") 36 regex_div_block = r'(?<=<div class="block">).+?(?=</div>)' 37 regex_del = r'</code>|<code>|<i>|</i>' 38 html_txt = re.sub(regex_del,"",html_txt) 39 html_txt = html_txt.replace("<sup>","^").replace("</sup>","") 40 #提取 41 result = re.findall(regex_div_block,html_txt) 42 class_number = html_txt.count(r'<div class="block">') 43 if(class_number != len(result)): 44 print(r'<div class="block">'+"的数量为"+str(class_number)+"，但是正则匹配的数量为："+str(len(result))) 45 else: 46 print(r'<div class="block">'+"的数量为"+str(class_number)) 47 if(len(result)): 48 for txt in result: 49 english_str_list.append(txt) 50 regex_div_deprecation_block = r'(?<=<div class="deprecation-block">).+?(?=</div>)' 51 result = re.findall(regex_div_deprecation_block,html_txt) 52 class_number = html_txt.count(r'<div class="deprecation-block">') 53 if(class_number != len(result)): 54 print(r'<div class="deprecation-block">'+"的数量为"+str(class_number)+"，但是正则匹配的数量为："+str(len(result))) 55 else: 56 print(r'<div class="deprecation-block">'+"的数量为"+str(class_number)) 57 if(len(result)): 58 for txt in result: 59 english_str_list.append(txt) 60 regex_div_notes = r'(?<=<dl class="notes">).+?(?=</dl>)' 61 result = re.findall(regex_div_notes,html_txt) 62 class_number = html_txt.count(r'<dl class="notes">') 63 if(class_number != len(result)): 64 print('<dl class="notes">'+"的数量为"+str(class_number)+"，但是正则匹配的数量为："+str(len(result))) 65 else: 66 print(r'<dl class="notes">'+"的数量为"+str(class_number)) 67 if(len(result)): 68 for txt in result: 69 english_str_list.append(txt) 70 if( not len(english_str_list)): 71 print("没有匹配到任何要翻译的内容，请检查！") 72 exit(0); 73 #替换<>字符 74 html_txt = html_txt.replace("<","<").replace(">",">") 75 for index in range(len(english_str_list)): 76 english_str_list[index] = english_str_list[index].replace("<","<").replace(">",">") 77 #输出 78 with open(english_out_file_path,'w',encoding="utf-8")as fd: 79 for content in english_str_list: 80 print(content,file=fd) 81 #记录标签 82 regex_label = r'<.+?>|\<.+?\>' 83 for content in english_str_list: 84 Label_list.append( re.findall(regex_label,content)); 85 ''' 86 翻译结果的标签处理 87 ''' 88 def label_process(index:int): 89 global Label_list,chinese_str_list 90 #替换<>字符，理论上没有 91 chinese_str_list[index] = chinese_str_list[index].replace("<","<").replace(">",">") 92 size = len(chinese_str_list[index]) 93 result_str="" 94 str_index=0 95 Label_list_index=0 96 while str_index<size: 97 temp_str ="" 98 if('<' == chinese_str_list[index][str_index]): 99 temp_str+=chinese_str_list[index][str_index] 100 str_index = str_index + 1 101 while '>' != chinese_str_list[index][str_index]: 102 temp_str+=chinese_str_list[index][str_index] 103 str_index = str_index + 1 104 temp_str+=chinese_str_list[index][str_index] 105 str_index = str_index + 1 106 if(Label_list_index<len(Label_list[index])): 107 if(Label_list[index][Label_list_index] == temp_str): #这里抛出越界异常的话，请查看翻译结果文档，和英文文档对应的行比对下，处理翻译后多余的内容后重新运行脚本。 108 #标签一样 109 Label_list_index += 1 #下次该比对下一个标签 110 result_str+=temp_str 111 temp_str = "" 112 else: 113 #标签不一样 114 ''' 115 若只是有多余空格或者多、少了某个字符怎么办？ 116 若是就是缺失了原标签该怎么办 117 目前暂时就在当前插入这个标签 118 ''' 119 result_str+=Label_list[index][Label_list_index] 120 Label_list_index += 1 121 else: 122 break; 123 else: 124 result_str += chinese_str_list[index][str_index] 125 str_index+=1 126 chinese_str_list[index] = result_str 127 128 ''' 129 将翻译结果填充到原来的位置 130 ''' 131 def chinese_process(file_path:str): 132 global html_txt,chinese_str_list 133 with open(file_path,'r',encoding="utf-8")as fd: 134 chinese_str_list = fd.readlines() 135 if(len(chinese_str_list)==len(english_str_list)): 136 for i in range(len(english_str_list)): 137 chinese_str_list[i] = re.sub(r"<\s+","<",chinese_str_list[i]) #< li> 138 chinese_str_list[i] = re.sub(r"\s+>",">",chinese_str_list[i]) #<li > 139 chinese_str_list[i] = re.sub(r'([^<])a href',r"\1<a href",chinese_str_list[i]) #你a href 140 chinese_str_list[i] = re.sub(r'(?<=</)\s+',r"",chinese_str_list[i]) #</ xxx>这种形式的要去除掉 141 #对付<a href="../../../java.base/java/util/package-summary.html#CollectionsFramework">Java 集合框架</的成员一个>。这种情况 142 chinese_str_list[i] = re.sub(r'<([a-zA-Z]+?)(\s*[a-zA-Z"/=#\?\$\. -]+?>[^</>].+?)</([^a-zA-Z]+)>',r"<\1\2</\1>\3",chinese_str_list[i]) 143 label_process(i) #这步调用要在常规处理最后以及在写入之前 144 if("</a>" in english_str_list[i]): 145 #这种翻译的可能稀碎，需要把原文也加上去 146 #原先直接将原文加上去，这样就会导致问题：文档里面的重复字符串怎么办？全部替换的话，可能导致其他字符串不全，替换一次，那么后面的重复串就不能被翻译了 147 #html_txt = html_txt.replace(english_str_list[i],chinese_str_list[i] + r"<p>原文：<p>" + english_str_list[i],1) 148 temp_str = "" 149 for char in english_str_list[i]: 150 if(" " == char): 151 temp_str += " " 152 else: 153 temp_str += char 154 html_txt = html_txt.replace(english_str_list[i],chinese_str_list[i] + r"<p>原文：<p>" + temp_str,1) 155 else: 156 html_txt = html_txt.replace(english_str_list[i],chinese_str_list[i],1) 157 else: 158 print("待翻译的行数和翻译结果文件中的行数不一致，请检查！") 159 return 160 ''' 161 一些额外的替换 162 ''' 163 def other_translate(): 164 global html_txt 165 html_txt = html_txt.replace(r"<h2>Field Summary</h2>",r"<h2>Field Summary（字段摘要）</h2>").replace(r'<div class="caption"><span>Fields</span></div>',r'<div class="caption"><span>Fields（字段）</span></div>').replace(r'<div class="table-header col-first">Modifier and Type</div>',r'<div class="table-header col-first">Modifier and Type（修饰符和类型）</div>').replace(r'<h2>Constructor Summary</h2>',r'<h2>Constructor Summary（构造函数摘要）</h2>').replace(r'<h2>Method Summary</h2>',r'<h2>Method Summary（函数概要）</h2>').replace(r'<h2>Field Details</h2>',r'<h2>Field Details（字段细节）</h2>').replace(r'<h2>Constructor Details</h2>',r'<h2>Constructor Details（构造函数详细信息）</h2>').replace(r'<h2>Method Details</h2>',r'<h2>Method Details（函数细节）</h2>').replace(r'class="table-tab">Concrete Methods</button>',r'class="table-tab">Concrete Methods（具体函数）</button>') 166 167 html_file_path = input("请输入html文件所在位置：\n"); 168 english_process(html_file_path); 169 #输出现在的html内容，以供检查 170 with open(temp_html_out_file_path,'w',encoding="utf-8")as fd: 171 print(html_txt,file=fd); 172 print("要翻译的内容已经输出到"+os.getcwd()+" 目录中，名称为："+english_out_file_path) 173 temp_str = input("请输入翻译结果文件所在位置，不输入直接回车则使用默认位置的文件：\n"); 174 if(len(temp_str)): 175 chinese_out_file_path = temp_str 176 chinese_process(chinese_out_file_path); 177 other_translate(); 178 #输出翻译结果 179 with open(html_file_path,'w',encoding="utf-8")as fd: 180 print(html_txt,file=fd); 181 ''' 182 有时候会不小心造成替换后的文档不可滑动，那是因为<div class="flex-content">对应的闭合标签</div>被提前了，找到“<div class="flex-content">”对应的闭合标签，将其移动到在</body>标签前即可。 183 '''
java官方文档全英文。反正就那样吧
