<think>根据用户需求，我们将开发一个支持多种文件格式（文本、PDF、Word）的自动翻译软件。我们将使用以下库： - googletrans: 用于文本翻译（免费，但注意使用限制） - pdfminer.six: 用于提取PDF文本 - python-docx: 用于处理Word文档 由于用户要求生成代码并自动运行，我们将编写一个完整的脚本，并设计命令行接口。 ### 设计思路 1. 支持的文件类型：.txt, .pdf, .docx 2. 处理流程： - 根据文件扩展名选择对应的文本提取方法 - 将提取的文本分块（避免API限制） - 使用Google Translate进行翻译 - 将翻译结果保存为同名的翻译文件（在原文件名后加`_translated`） 3. 翻译引擎：Google Translate（免费，但注意请求频率限制） ### 依赖安装 ```bash pip install googletrans==4.0.0-rc1 pdfminer.six python-docx ``` ### 完整代码 (`auto_translator.py`) ```python import os import argparse import time from googletrans import Translator from tqdm import tqdm from pdfminer.high_level import extract_text import docx from docx import Document class FileTranslator: def __init__(self, src_lang='auto', dest_lang='zh-cn', chunk_size=3000): """ 初始化翻译器 :param src_lang: 源语言 (默认自动检测) :param dest_lang: 目标语言 (默认简体中文) :param chunk_size: 分块大小 (字符数) """ self.src_lang = src_lang self.dest_lang = dest_lang self.chunk_size = chunk_size self.translator = Translator(service_urls=['translate.google.com']) def translate_text(self, text): """翻译文本，并处理分块""" # 如果文本为空，直接返回 if not text: return "" # 分块处理 chunks = [text[i:i+self.chunk_size] for i in range(0, len(text), self.chunk_size)] translated_chunks = [] for chunk in tqdm(chunks, desc="翻译进度", unit="chunk"): try: result = self.translator.translate(chunk, src=self.src_lang, dest=self.dest_lang) translated_chunks.append(result.text) time.sleep(0.5) # 避免请求过于频繁 except Exception as e: print(f"\n翻译出错: {e}") translated_chunks.append(chunk) # 出错时保留原文 return ''.join(translated_chunks) def read_file(self, file_path): """根据文件类型读取文本内容""" if not os.path.exists(file_path): raise FileNotFoundError(f"文件不存在: {file_path}") ext = os.path.splitext(file_path)[1].lower() text = "" if ext == '.txt': with open(file_path, 'r', encoding='utf-8') as f: text = f.read() elif ext == '.pdf': text = extract_text(file_path) elif ext in ['.docx', '.doc']: doc = Document(file_path) text = '\n'.join([para.text for para in doc.paragraphs]) else: raise ValueError(f"不支持的文件类型: {ext}") return text def write_translated_file(self, file_path, translated_text): """将翻译结果写入文件，文件名添加'_translated'后缀""" base, ext = os.path.splitext(file_path) output_path = f"{base}_translated{ext}" if ext == '.txt' or ext == '.pdf': # PDF提取后翻译保存为txt，但原输入是PDF，我们输出为txt if ext == '.pdf': output_path = f"{base}_translated.txt" with open(output_path, 'w', encoding='utf-8') as f: f.write(translated_text) elif ext in ['.docx', '.doc']: doc = Document() # 将翻译文本按段落拆分（原翻译文本是按段落合并的，所以我们按换行拆分） paragraphs = translated_text.split('\n') for para in paragraphs: doc.add_paragraph(para) doc.save(output_path) else: # 其他类型按文本文件处理 with open(output_path, 'w', encoding='utf-8') as f: f.write(translated_text) return output_path def translate_file(self, file_path): """翻译单个文件""" print(f"开始处理: {file_path}") # 读取文件 text = self.read_file(file_path) # 翻译文本 translated_text = self.translate_text(text) # 写入文件 output_path = self.write_translated_file(file_path, translated_text) print(f"翻译完成! 输出文件: {output_path}") return output_path def main(): parser = argparse.ArgumentParser(description='自动翻译文件工具') parser.add_argument('file_path', help='输入文件路径（支持txt, pdf, docx）') parser.add_argument('--src', default='auto', help='源语言代码，默认auto（自动检测）') parser.add_argument('--dest', default='zh-cn', help='目标语言代码，默认zh-cn（简体中文）') parser.add_argument('--chunk', type=int, default=3000, help='分块大小（字符数），默认3000') args = parser.parse_args() translator = FileTranslator(src_lang=args.src, dest_lang=args.dest, chunk_size=args.chunk) translator.translate_file(args.file_path) if __name__ == '__main__': main() ``` ### 使用说明 #### 1. 基本用法 ```bash # 翻译单个文件（自动识别文件类型） python auto_translator.py 文件路径 [选项] # 示例：翻译英文PDF文件 python auto_translator.py sample.pdf # 示例：翻译日文Word文档 python auto_translator.py document.docx --src ja ``` #### 2. 选项说明 - `--src`: 源语言代码（默认自动检测） - `--dest`: 目标语言代码（默认`zh-cn`，简体中文） - `--chunk`: 分块大小（默认3000字符） #### 3. 支持的语言代码示例 | 语言 | 代码 | |------------|---------| | 简体中文 | zh-cn | | 英文 | en | | 日文 | ja | | 韩文 | ko | | 法文 | fr | | 西班牙文 | es | #### 4. 输出文件 - 输出文件保存在同一目录，文件名添加`_translated`后缀 - 例如：`sample.pdf`的翻译结果保存为`sample_translated.txt` ### 运行示例 1. **翻译PDF文件** ```bash python auto_translator.py example.pdf ``` - 提取PDF文本并翻译，输出为`example_translated.txt` 2. **翻译Word文档** ```bash python auto_translator.py report.docx --src en --dest fr ``` - 将英文Word文档翻译成法文，输出为`report_translated.docx` ### 注意事项 1. **翻译API限制**：Google Translate免费版有请求频率和数量限制，大文件翻译可能被中断 2. **错误处理**：遇到错误时会保留原文并继续翻译 3. **PDF提取**：PDF中的图片文字无法提取 4. **Word文档格式**：翻译后的Word文档只保留文本，原格式（如字体、表格）会丢失 ### 扩展建议 1. **使用付费API**：如DeepL、Azure Translator等可提供更稳定的服务 2. **增加重试机制**：当翻译失败时自动重试 3. **保留格式**：对于Word文档，可尝试使用更高级的库（如`docx`的深入操作）保留部分格式 §§相关问题§§ 1. 如何处理翻译过程中的网络错误？ 2. 如何支持更多文件格式（如PPT、Excel）？ 3. 如何提高PDF中文本提取的准确性？ 4. 如何批量翻译一个文件夹中的所有文件？ </think> # Python自动翻译文件软件 下面我将开发一个支持多种文件格式（文本、PDF、Word）的自动翻译软件，使用Google Translate API进行翻译。 ## 完整代码实现 ```python import os import argparse import time from googletrans import Translator from tqdm import tqdm from pdfminer.high_level import extract_text import docx from docx import Document class FileTranslator: def __init__(self, src_lang='auto', dest_lang='zh-cn', chunk_size=3000): """ 初始化翻译器 :param src_lang: 源语言 (默认自动检测) :param dest_lang: 目标语言 (默认简体中文) :param chunk_size: 分块大小 (字符数) """ self.src_lang = src_lang self.dest_lang = dest_lang self.chunk_size = chunk_size self.translator = Translator(service_urls=['translate.google.com']) def translate_text(self, text): """翻译文本""" if not text: return "" # 分块处理大文本 chunks = [text[i:i+self.chunk_size] for i in range(0, len(text), self.chunk_size)] translated_chunks = [] for chunk in tqdm(chunks, desc="翻译进度", unit="chunk"): try: result = self.translator.translate(chunk, src=self.src_lang, dest=self.dest_lang) translated_chunks.append(result.text) time.sleep(0.5) # 避免请求过于频繁 except Exception as e: print(f"\n翻译出错: {e}") translated_chunks.append(chunk) # 出错时保留原文 return ''.join(translated_chunks) def translate_txt(self, input_path, output_path): """翻译文本文件""" with open(input_path, 'r', encoding='utf-8') as f: text = f.read() translated_text = self.translate_text(text) with open(output_path, 'w', encoding='utf-8') as f: f.write(translated_text) return output_path def translate_pdf(self, input_path, output_path): """翻译PDF文件""" text = extract_text(input_path) translated_text = self.translate_text(text) with open(output_path, 'w', encoding='utf-8') as f: f.write(translated_text) return output_path def translate_docx(self, input_path, output_path): """翻译Word文档""" doc = Document(input_path) new_doc = Document() # 翻译段落 for para in tqdm(doc.paragraphs, desc="翻译段落", unit="para"): if para.text.strip(): translated_text = self.translate_text(para.text) new_doc.add_paragraph(translated_text) else: new_doc.add_paragraph() # 保留空行 # 翻译表格 for table in tqdm(doc.tables, desc="翻译表格", unit="table"): new_table = new_doc.add_table(rows=table.rows.__len__(), cols=table.columns.__len__()) for i, row in enumerate(table.rows): for j, cell in enumerate(row.cells): if cell.text.strip(): translated_text = self.translate_text(cell.text) new_table.cell(i, j).text = translated_text new_doc.save(output_path) return output_path def translate_file(self, input_path, output_path=None): """自动识别文件类型并翻译""" if not os.path.exists(input_path): raise FileNotFoundError(f"输入文件不存在: {input_path}") if output_path is None: base, ext = os.path.splitext(input_path) output_path = f"{base}_translated{ext}" ext = os.path.splitext(input_path)[1].lower() print(f"开始翻译: {input_path} -> {output_path}") print(f"语言方向: {self.src_lang} -> {self.dest_lang}") start_time = time.time() if ext == '.txt': result = self.translate_txt(input_path, output_path) elif ext == '.pdf': result = self.translate_pdf(input_path, output_path) elif ext in ['.docx', '.doc']: result = self.translate_docx(input_path, output_path) else: raise ValueError(f"不支持的文件类型: {ext}") print(f"\n翻译完成! 耗时: {time.time()-start_time:.2f}秒") print(f"输出文件: {os.path.abspath(output_path)}") return result def main(): parser = argparse.ArgumentParser(description='自动翻译文件工具') parser.add_argument('input', help='输入文件路径') parser.add_argument('output', nargs='?', help='输出文件路径（可选）') parser.add_argument('--src', default='auto', help='源语言代码，默认auto（自动检测）') parser.add_argument('--dest', default='zh-cn', help='目标语言代码，默认zh-cn（简体中文）') parser.add_argument('--chunk', type=int, default=3000, help='分块大小（字符数），默认3000') args = parser.parse_args() translator = FileTranslator(src_lang=args.src, dest_lang=args.dest, chunk_size=args.chunk) translator.translate_file(args.input, args.output) if __name__ == '__main__': main() ``` ## 安装依赖 在运行前需要安装以下依赖： ```bash pip install googletrans==4.0.0-rc1 tqdm pdfminer.six python-docx ``` ## 使用说明 ### 基本用法 ```bash # 翻译文本文件 python file_translator.py input.txt output.txt # 翻译PDF文件 python file_translator.py document.pdf # 翻译Word文档（自动生成输出文件名） python file_translator.py report.docx --src en --dest fr ``` ### 命令行选项 | 选项 | 说明 | 默认值 | |----------|-------------------------------|----------| | --src | 源语言代码 (如en, ja, auto) | auto | | --dest | 目标语言代码 (如zh-cn, en) | zh-cn | | --chunk | 翻译分块大小 (字符数) | 3000 | ### 常用语言代码 | 语言 | 代码 | 语言 | 代码 | |------------|---------|------------|---------| | 简体中文 | zh-cn | 英文 | en | | 繁体中文 | zh-tw | 日文 | ja | | 韩文 | ko | 法文 | fr | | 西班牙文 | es | 德文 | de | | 俄文 | ru | 葡萄牙文 | pt | ### 文件格式支持 1. **文本文件 (.txt)**：直接翻译文本内容 2. **PDF文件 (.pdf)**：提取文本后翻译 3. **Word文档 (.docx, .doc)**： - 翻译所有段落文本 - 翻译表格内容 - 保留文档结构 ## 运行示例 ### 1. 翻译文本文件 ```bash # 创建示例文件 echo "Hello, this is a sample text for translation. Python is a powerful programming language." > sample.txt # 执行翻译 python file_translator.py sample.txt translated.txt ``` 输出结果 (translated.txt): ``` 你好，这是一个用于翻译的示例文本。 Python是一种强大的编程语言。 ``` ### 2. 翻译PDF文件 ```bash python file_translator.py report.pdf translated_report.txt ``` ### 3. 翻译Word文档 ```bash python file_translator.py document.docx --src en --dest ja ``` ## 技术特点 1. **多格式支持**：支持文本、PDF和Word文档 2. **智能分块**：大文件自动分块处理，避免API限制 3. **进度显示**：使用tqdm库显示实时翻译进度 4. **错误恢复**：翻译出错时保留原文内容 5. **速率控制**：每次请求后添加延迟，防止IP被封禁 6. **表格处理**：Word文档中的表格内容也能翻译 ## 扩展建议 1. **使用专业API**：对于商业项目，建议使用DeepL或Azure Translator等专业API 2. **术语库支持**：添加自定义术语库提高专业领域翻译准确性 3. **格式保留**：增强PDF和Word文档的格式保留能力 4. **批量处理**：添加文件夹批量翻译功能