python批量翻譯excel表格中的英文
需求背景
女朋友的論文需要爬取YouTube視頻熱評,但爬下來的都是外文。
主要設計
- 讀取一個表格文件,獲取需要翻譯的文本
- 使用百度翻譯 API 進行翻譯,獲取翻譯結果
- 將翻譯結果保存到原表格中,然後提取需要的列組成一個新的 DataFrame
- 處理多個表格文件,將它們的翻譯結果分別保存
- 使用線程池加速翻譯過程,可以同時翻譯多個表格
- 顯示進度條
分析
- 目標文件為xlsx格式,可以借助pandas進行讀取文件和生成文件的操作。在這裡我的源文件有若幹列,其中第2列評論內容為我的目標列。
- 在這裡我用的是百度翻譯api接口。也可以googletrans、translate,這些庫可以在本地使用,不需要申請API密鑰,但是翻譯質量和速度可能不如雲服務。
- 由於我每個表格有2000行數據,總共有10個表格,一個個來的話不僅麻煩效率還低。
- 我需要知道任務的進度,不想一直等下去
具體實現
表格操作
def TranslateTable(sInputFilename, sOutputFilename): # 讀取表格A並選擇需要翻譯的列 df_a = pd.read_excel(sInputFilename) # 獲取df對象 df_a = df_a.iloc[:, [1, 2]] # iloc和loc很像,i=index, # 翻譯英文列 df_a['translation'] = df_a.iloc[:, 0].apply(Translate) # 創建表格B並保存 df_b = pd.DataFrame({ '原文': df_a.iloc[:, 0], '譯文': df_a.iloc[:, 2] }) df_b.to_excel(sOutputFilename, index=False)
請求百度翻譯api
def Translate(sText, from_lang='en', to_lang='zh'): appid = 'xxxxxx' secret_key = 'xxxxxx' url = 'https://fanyi-api.baidu.com/api/trans/vip/translate' salt = random.randint(32768, 65536) sign = hashlib.md5((appid + sText + str(salt) + secret_key).encode()).hexdigest() params = { 'q': sText, 'from': from_lang, 'to': to_lang, 'appid': appid, 'salt': salt, 'sign': sign } response = requests.get(url, params=params) result = json.loads(response.content.decode()) if result.get('error_code') is not None: return None return result['trans_result'][0]['dst']
多線程
使用concurrent.futures庫中的 ThreadPoolExecutor類來實現多線程處理。
- 創建一個 ThreadPoolExecutor對象。
- 在循環中遍歷每個表格A,並使用 submit方法向線程池提交任務。 submit方法將表格A的文件名和表格B的文件名作為參數傳遞給 translate_column函數,該函數將在單獨的線程中執行。
ThreadPoolExecutor會自動管理線程池的大小,並在有空閑線程時分配新任務。這種方式可以利用多個CPU核心來並行處理多個表格,提高處理速度。
def TranslateTables(sInputFolder, sOutputFolder): sInputFilenames = [os.path.join(sInputFolder, f) for f in os.listdir(sInputFolder) if f.endswith('.xlsx')] with ThreadPoolExecutor() as executor: lstFutures = [] for sInputFilename in sInputFilenames: sFilename = os.path.splitext(os.path.basename(sInputFilename))[0] sOutputFilename = os.path.join(sOutputFolder, sFilename + '_翻譯結果.xlsx') lstFutures.append(executor.submit(TranslateTable, sInputFilename, sOutputFilename)) for future in tqdm(as_completed(lstFutures), total=len(lstFutures)): pass
控制臺顯示進度
使用 concurrent.futures.as_completed 函數顯示進度條。
完整源碼
# -*- coding: utf-8 -*- # time: 2022/2/17 03:06 # file: test.py # author: Shi Yasong """ 主要功能功能: 1、讀取一個表格文件,獲取需要翻譯的文本。 2、使用百度翻譯 API 進行翻譯,獲取翻譯結果。 3、將翻譯結果保存到原表格中,然後提取需要的列組成一個新的 DataFrame。 4、處理多個表格文件,將它們的翻譯結果合並到一個 DataFrame 中,然後分別保存。 5、使用線程池加速翻譯過程,可以同時翻譯多個表格 6、使用 concurrent.futures.as_completed 函數顯示進度條。 """ from concurrent.futures import ThreadPoolExecutor, as_completed from tqdm import tqdm # 進度條庫,需要先安裝 import pandas as pd import requests import json import os import hashlib import random def Translate(sText, from_lang='en', to_lang='zh'): appid = 'xxxx' secret_key = 'xxxxx' url = 'https://fanyi-api.baidu.com/api/trans/vip/translate' salt = random.randint(32768, 65536) sign = hashlib.md5((appid + sText + str(salt) + secret_key).encode()).hexdigest() params = { 'q': sText, 'from': from_lang, 'to': to_lang, 'appid': appid, 'salt': salt, 'sign': sign } response = requests.get(url, params=params) result = json.loads(response.content.decode()) if result.get('error_code') is not None: return None return result['trans_result'][0]['dst'] def TranslateTable(sInputFilename, sOutputFilename): # 讀取表格A並選擇需要翻譯的列 df_a = pd.read_excel(sInputFilename) # 獲取df對象 df_a = df_a.iloc[:, [1, 2]] # iloc和loc很像,i=index, # 翻譯英文列 df_a['translation'] = df_a.iloc[:, 0].apply(Translate) # 創建表格B並保存 df_b = pd.DataFrame({ '原文': df_a.iloc[:, 0], '譯文': df_a.iloc[:, 2] }) df_b.to_excel(sOutputFilename, index=False) def TranslateTables(sInputFolder, sOutputFolder): sInputFilenames = [os.path.join(sInputFolder, f) for f in os.listdir(sInputFolder) if f.endswith('.xlsx')] with ThreadPoolExecutor() as executor: lstFutures = [] for sInputFilename in sInputFilenames: sFilename = os.path.splitext(os.path.basename(sInputFilename))[0] sOutputFilename = os.path.join(sOutputFolder, sFilename + '_翻譯結果.xlsx') lstFutures.append(executor.submit(TranslateTable, sInputFilename, sOutputFilename)) for future in tqdm(as_completed(lstFutures), total=len(lstFutures)): pass # 調用函數翻譯多個表格 sInputFolder = r'C:\Users\lenovo\Desktop\english' # 修改為實際的表格文件夾路徑 sOutputFolder = r'C:\Users\lenovo\Desktop\zh' # 修改為實際的表格文件夾路徑 TranslateTables(sInputFolder, sOutputFolder)
到此這篇關於python批量翻譯excel表格中的英文的文章就介紹到這瞭,更多相關python批量翻譯內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 如何利用Python實現一個論文降重工具
- python concurrent.futures模塊的使用測試
- Pandas中DataFrame常用操作指南
- python pandas處理excel表格數據的常用方法總結
- Python學習之.iloc與.loc的區別、聯系和用法