使用 Google API 进行翻译的 Python 小工具

因为能及时地完成这个小工具，全靠在网上找到一些代码来用，所以，也把自己完成的东西回馈给网络。:)

之前有这么一个小需求，要大量地翻译一些零散的句子，对于翻译的质量并不在意，直接采用翻译工具的结果就可以了。但是量很大，于是就想着用 Google 的翻译 API 来做。一开始想用 JavaScript 来写的，但由于只会 JavaScript 的对 Google 翻译 API 的异步调用方式，不知道如何才能进行批量的翻译。

于是决定用 Python 的来实现。先从网上抄了一些现成的代码（主要是参考这篇），但都不能正确地得到结果。由于稍微做了一些修改，使之能正常地运行得到翻译的结果，代码如下：

          

import urllib,urllib2
from sgmllib import SGMLParser

class 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 = False

def 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 arStr

if __name__ == "__main__":
    ArStr = TranlateForIgnorException("This")

函数 Translate （第20行），是模拟浏览器向 google 发出 http 的请求。第一个参数是需要翻译的句子，第二、三个参数是原语言和目标语言，分别是一定预选定义好的字符串（英文是 "en"，阿拉伯语是"ar"，简体中文是'zh-CN'等），完整的定义在 Google 翻译 API 的文档中有描述。返回值是翻译后的字符串，是 UTF8 的编码。这个函数可以看成是同步的。

我在使用的时候，把要翻译的句子读入一个 list 中，然后依次进行翻译。连续调用的时候，很容易出现 http 506 错误的异常。我不知道如何正确地处理它，于是我用了另一个函数（第33行）TranlateForIgnorException ，当出现异常时就再进行一次翻译，直到翻译成功为止，或是，异常连续出现 10 次（因为有的句子无法进行翻译，比如，带有"http://"这样网址的字符串）。

另外一点需要说明的是，原来在网上抄的代码中，解析 html 文件得到翻译后字符串的部分有点问题，问题是在第 13 行代码处，原来的代码是以'result_box' 为标签时进行抽取，但我使用后发现不太对，于是把 google 发回的整个 html 文件存下来，查看后发现，翻译后文字是存在 'tts_button' 为 id 的 div 标签中的。所以我进行了修改，我不保证这个绝对正确，如果您发现有不对的地方，可以试着从这些看看。