Pythonで書かれた文書一括翻訳ツール、効果は有料ソフトより高い？

この記事では、実践的な Python オフィス オートメーション スクリプトを紹介します

「Python を使用して英語の Word 文書をバッチ翻訳し、形式を保持します」、最終的な効果は一部の有料ソフトウェアよりもさらに優れています。まずは具体的な仕事内容を見ていきましょう。

1. 要件の説明

手元に大量の外国語のドキュメントがあります (このケースでは

5 を例として取り上げます)。 test1 .docx test2.docx などの名前が付いています)。そのうちの 1 つは次のとおりです:

基本要件 : 「これらのドキュメントを一括処理します。すべての内容が中国語に翻訳され、新しいファイルに転送されます。」、結果は次のようになります:

高度な要件:基本的なニーズが満たされている、要件『元の文書の形式を維持する』、結果は次のとおりです:

2. 論理的な並べ替え

1 . 翻訳 API

この要件の核心は

Translation です。戦略は、次の翻訳 API を使用することです。 ここではBaidu Translation Open Platformを推奨します 同時実行数を考慮しない場合に使用できます 標準バージョン、文字数制限なしで無料で使用できます !

「

Baidu 翻訳オープン プラットフォーム: http://api.fanyi.baidu.com/api/trans/product/index

”

#Baidu のユニバーサル翻訳 API を使用する前に、次のタスクを完了する必要があります。

1. Baidu アカウントを使用してログインします。 Baidu 翻訳オープン プラットフォーム (
   http://api.fanyi.baidu.com);
2. 開発者として登録し、APPID を取得します;
# 開発者認定を実施します (標準バージョンのみが必要な場合はスキップできます)。
3. #ユニバーサル翻訳 API サービスを開きます: アクティベーション リンク
4. 技術ドキュメントを参照してください。デモでコードを作成します。

##完了後、画面上に ID とキーが表示されます。個人ページ. これはとても重要です！

コンパイルされたユニバーサル翻訳 API のデモを以下に示します。出力は単純に変更されており、コードは使用できます。

テスト コンテンツが正確に翻訳されていることがわかります。API に複数回アクセスする必要がある場合、無料版には同時実行性と時間制限があることに注意してください。 time モジュールは 1 秒間スリープします

2. 形式の変更

高度な要件の難しさは、 format. 簡単に言うとoriginal 文書のページ形式と段落形式とは何か、また翻訳後の対応部分は何か。

上記の論理関係に基づいて、元の文書の対応するコンテンツを取得し、それを新しく翻訳された文書に割り当てるだけで済みます。 (当面はページ設定と段落設定の統一のみ対応可能です。段落内の特定の単語の書式変更については精度を確保するために自然言語処理NLPが必要ですが、本記事では扱いません)

2.1 ページ スタイル

ページ スタイルには、元の文書からわかるように、余白、方向、高さ、幅などを含める必要があるだけです。 , 以下は狭幅です。ただし、4 方向の狭いマージンの設定方法を知る必要はなく、次のようにコード内で新旧ドキュメントの変数転送を示すだけで済みます。 2.2 段落スタイル

段落スタイルには、配置、インデント、スペースなどが含まれます。元の文書では、段落後のインデントが採用され、タイトルは中央に配置されます。これらの設定は変数の受け渡しでうまく行うことができます。元の文書に設定されていない変数値が None

の場合2.3 テキストブロックのスタイル変更

フォント サイズ、太字、斜体、色などのスタイルを調整するために採用される戦略は、空のリストを作成し、元の文書の各段落の各テキスト ブロックを走査し、対応する属性を取得してそれらをその属性に配置するという です。それぞれのリスト 、および同じ段落の場合 たとえば、最も多くのテキスト ブロック属性を含むオプションが、翻訳された文書の対応する段落に割り当てられます (段落内のすべてまたは大部分のテキストが太字の場合、すべてのテキストが太字になります)翻訳後の対応する段落内のブロックは太字に設定されます) NLP に興味のある読者は、英語文書内の特定の単語のスタイル変更を高度に復元し、翻訳文書に反映する方法を自分で試すことができます。

上記のコードにはフォント設定が含まれていません。英語のフォントを中国語のドキュメントに渡す必要がないからです。中国語フォントの設定については、以前の記事で説明しました。比較的複雑です。コードを直接参照してください:

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. 全体的な実装手順

これで操作の各部分が完了しました。この例では翻訳する必要があるドキュメントが複数あることを考慮すると、全体のロジックは次のようになります:

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！

以上がPythonで書かれた文書一括翻訳ツール、効果は有料ソフトより高い？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。