Python运用免费翻译API实现Excel文件批量翻译

幂简集成28 天前 100

在日常工作环境下，翻译工具的运用十分普遍，诸如Google浏览器内置插件，可以轻松实现对各类外文网站的即时翻译。当面对含有大量待译文本的Excel表格时，若无法依靠这些免费服务，又该如何应对呢？显然，逐行手工式的复制和黏贴并不是理想之选。为寻求更高效、精确的处理方法，我们考虑采用Python套用免费翻译API来执行此项任务。

一、什么是文本翻译 API？

能够将源语言文本快速、准确地转换成目标语言文本。通过该服务，用户可以根据不同的语言参数实现多种国际语言之间的互译，满足用户在跨语言交流、学习和工作中的翻译需求。幂简API平台提供了多种维度发现API的功能，下图提供的是所有提供文本翻译的服务商。用户可以根据自己的需求选择适合自己的服务商。

二、文本翻译 API 有哪些特性？

多语言支持：支持上百种语言的自动识别与互译，涵盖全球主要语系及众多方言、地区性语言。
高准确性：利用先进的神经网络和深度学习技术，特别是基于Transformer架构的神经机器翻译模型，实现对原文语义的精准理解和目标语言的流畅生成。
上下文理解：神经网络模型能够捕捉并理解文本的上下文信息，确保翻译结果不仅准确传达单个词汇的意义，还能反映出整个句子乃至段落的逻辑关系和语境微妙之处。
实时翻译：支持实时翻译，满足即时通讯、旅游预订、电子商务等需要快速响应的应用场景

三、文本翻译 API 适用于什么应用场景？

**电子商务平台
**电商平台利用翻译API自动将商品标题、描述、规格、用户评价等内容实时翻译成多种语言，如英语、法语、日语、阿拉伯语等，使全球消费者能够无障碍浏览和购买，提升国际市场的销售额。
旅游预订网站
旅行服务网站集成翻译API，将酒店介绍、景点详情、用户评论等信息即时翻译成游客的母语，增强用户体验，促进跨国旅游业务的增长。
科研文献检索
科研人员借助翻译API快速浏览和理解非母语的学术论文摘要或全文，跨越语言屏障，追踪国际前沿研究成果，促进跨学科、跨国界的学术交流。
呼叫中心

跨国企业的客服系统集成翻译API，客服代表能够实时翻译客户的询问，提供母语服务，提升客户满意度和问题解决效率。

四、如何找到免费翻译API

幂简集成是国内领先的API集成管理平台，专注于为开发者提供全面、高效、易用的API集成解决方案。幂简API平台提供了多种维度发现API的功能：通过关键词搜索免费翻译API、从 API Hub 分类浏览API、从开放平台分类浏览企业间接寻找API等。

五、如何一步一步实现excel批量翻译

导入所需的模块：

openpyxl：用于处理 Excel 文件。
urllib.parse：用于 URL 编码。
requests：用于发送 HTTP 请求。
json：用于处理 JSON 数据。
concurrent.futures：用于实现多线程。

定义常量：

BATCH_SIZE = 100：指定每次处理的批量大小为 100 条数据。
THREAD_COUNT = 10：指定线程池中的线程数量为 10 个。

定义 translate_text 函数：

对输入的文本进行 URL 编码。
构建翻译 API 的请求 URL 并发送 GET 请求。
根据响应状态码判断是否成功获取数据，若成功则解析 JSON 并返回翻译结果，否则返回 None。

定义 process_batch 函数：

接收工作表对象 sheet 以及批处理的起始行 start 和结束行 end 。
遍历指定范围内的行。
获取每行的第一个单元格的值，若有值则调用 translate_text 函数进行翻译。
若获取到翻译结果，将其写入当前行的第二列单元格，并打印相关日志。

定义 main 函数：

指定要处理的 Excel 文件路径。
使用 openpyxl 加载工作簿并获取活动工作表。
获取工作表中的最大行数，计算批次数。
创建线程池，并初始化一个用于存储线程执行结果的 futures 列表。
循环创建多个批处理任务，将每个批处理任务提交到线程池，并将任务的 Future 对象添加到 futures 列表中。
等待所有任务完成，获取任务结果，若有异常则打印异常信息。
保存修改后的 Excel 文件，并关闭工作簿。

在 if __name__ == "__main__" 条件下执行 main 函数，启动整个程序的运行。
代码示例如下：

import openpyxl<br>
import urllib.parse<br>
import requests<br>
import json<br>
import concurrent.futures<br>
<br>
BATCH_SIZE = 100  # 每次处理的批量大小<br>
THREAD_COUNT = 10  # 线程池中的线程数量<br>
<br>
<br>
def translate_text(text):<br>
    encoded_text = urllib.parse.quote(text.replace(" ", " ").strip())<br>
    api_url = f"https://api.pearktrue.cn/api/translate/?text={encoded_text}&amp;type=AUTO"<br>
    response = requests.get(api_url)<br>
    if response.status_code == 200:<br>
        root_node = json.loads(response.text)<br>
        return root_node['data']['translate']<br>
    else:<br>
        return None<br>
<br>
<br>
def process_batch(sheet, start, end):<br>
    for row_index in range(start, end):<br>
        row = sheet[row_index]<br>
        desc_cell = row[0]<br>
        if desc_cell.value:<br>
            translated_text = translate_text(desc_cell.value)<br>
            if translated_text:<br>
                sheet.cell(row=row_index, column=2, value=translated_text)<br>
                print(f"读取到第 {row_index} 条记录")<br>
                print(f"写入到第 {row_index} 条记录")<br>
<br>
<br>
def main():<br>
    excel_file_path = "/Users/larryzheng/Desktop/blog.xlsx"<br>
    workbook = openpyxl.load_workbook(excel_file_path)<br>
    sheet = workbook.active<br>
<br>
    row_count = sheet.max_row<br>
    batch_count = (row_count + BATCH_SIZE - 1) // BATCH_SIZE<br>
<br>
    with concurrent.futures.ThreadPoolExecutor(max_workers=THREAD_COUNT) as executor:<br>
        futures = []<br>
        for batch in range(batch_count):<br>
            start = batch * BATCH_SIZE<br>
            end = min(start + BATCH_SIZE, row_count)<br>
            futures.append(executor.submit(process_batch, sheet, start, end))<br>
<br>
        # 等待所有任务完成<br>
        for future in concurrent.futures.as_completed(futures):<br>
            try:<br>
                future.result()<br>
            except Exception as e:<br>
                print(e)<br>
<br>
    workbook.save(excel_file_path)<br>
    workbook.close()<br>
<br>
<br>
if __name__ == "__main__":<br>
    main()

批量翻译效果如下：

心得体会 #python #AI #开发者工具

浏览 (100)

充电