“爬Google翻译还是需要点技巧的“
引言
在做全球应用中，正确处理每个国家的翻译是必不可少的，也是最棘手的问题，尤其是那些文字方向是右到左的。为了保证翻译是正确的，这里需要借用Google翻译的接口，为此，特意写了一个python脚本来对接google翻译 ^_^。
1、GoogleTranslate代码(入口代码)
注意：如果返回code不为200，请更新cookies
#!/usr/bin/python
# -*- encoding:utf-8 -*-
import requests
from urllib.parse import quote
import TkParams
import json
cookies = [
'_ga=GA1.3.1058806942.1531796090; NID=182=k5XIOE2zGfcgE2KEP4iTQWpzGcWXQpEHZhBh_3BF9lRwlnxyn24W2jnTaXfadXinVn6ZVa4Mkpk8HZS02sF7adR-6XI60kfQMEut5c9VQgZxDfgJnatiVzhS7qrHyZ4zP3bamIWHZ16BxtOPfiLeAsgxbUu9g_0XzqSAqgQp9GI; _gid=GA1.3.1828501068.1558528281; 1P_JAR=2019-5-23-0; _gat=1',
'_ga=GA1.3.1058806942.1531796090; _gid=GA1.3.366383484.1556091451; NID=182=k5XIOE2zGfcgE2KEP4iTQWpzGcWXQpEHZhBh_3BF9lRwlnxyn24W2jnTaXfadXinVn6ZVa4Mkpk8HZS02sF7adR-6XI60kfQMEut5c9VQgZxDfgJnatiVzhS7qrHyZ4zP3bamIWHZ16BxtOPfiLeAsgxbUu9g_0XzqSAqgQp9GI; 1P_JAR=2019-4-25-0; _gat=1'
]
class constant:
cookie_index = 0
"""
get translate url
"""
def _get_translate_url(from_language, to_language, translate_text):
TkParams.refresh_tkk()
tk = TkParams.acquire(translate_text)
key = quote(translate_text)
sl = from_language
tl = to_language
url = 'https://translate.google.cn/translate_a/single?client=webapp&sl=%s&tl=%s&hl=zh-CN&dt=at&dt=bd&dt=ex&dt=ld&dt=md&dt=qca&dt=rw&dt=rm&dt=ss&dt=t&otf=1&pc=1&ssel=0&tsel=0&kc=3&tk=%s&q=%s' % (
sl, tl, tk, key)
return url
def _get(url):
cookie_len = len(cookies)
constant.cookie_index += 1
constant.cookie_index %= cookie_len
headers = {'content-type': 'application/json; charset=UTF-8',
'accept-language': 'zh-CN,zh;q=0.9',
"content-disposition": "attachment; filename=\"f.txt\"",
'Accept-Encoding': '',
"cookie": cookies[constant.cookie_index],
'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36',
"accept": "text/html",
"x-client-data": "CJe2yQEIo7bJAQjEtskBCKmdygEIqKPKAQixp8oBCOKoygEI8anKAQivrMoBGIKYygE=",
"accept-Charset": "UTF-8"}
try:
res = requests.get(url, verify=True, headers=headers, timeout=3)
except:
return '', 404
return res.text.encode('UTF-8').decode('UTF-8'), res.status_code
"""
获取结果列表的第一个翻译
"""
def _getTranslateFirstWord(translateJson):
return translateJson[0][0][0].lower()
"""
翻译接口，提供外部使用
参数说明：
#from_language: 单词的语言代码，如：'auto'（自动检测语言）
#to_language: 目标语言代码，如：'en' (英语)
#word: 需要翻译的文字
"""
def translate(from_language, to_language, word):
url = _get_translate_url(from_language, to_language, word)
translateRes, code = _get(url)
if code is not 200:
return ''
jsonArray = json.loads(translateRes.lower())
return _getTranslateFirstWord(jsonArray)
if __name__ == '__main__':
print(translate('auto', 'en', '你好'))
2、翻译鉴权
由于Google翻译的接口是收费的，会对翻译内容做一个加密鉴权的限制，可以通过一下方法得到翻译词条的加密字符串，TkParams类的实现如下：
#!/usr/bin/python
# -*- encoding:utf-8 -*-
import math
import re
import requests
class constant:
TKK = '432247.1200919766' # this value maybe change by google ,then we need update
def rshift(val, n):
"""python port for '>>>'(right shift with padding)
"""
return (val % 0x100000000) >> n
def _xr(a, b):
size_b = len(b)
c = 0
while c < size_b - 2:
d = b[c + 2]
d = ord(d[0]) - 87 if 'a' <= d else int(d)
d = rshift(a, d) if '+' == b[c + 1] else a << d
a = a + d & 4294967295 if '+' == b[c] else a ^ d
c += 3
return a
def acquire(text):
a = []
# Convert text to ints
for i in text:
val = ord(i)
if val < 0x10000:
a += [val]
else:
# Python doesn't natively use Unicode surrogates, so account for those
a += [
math.floor((val - 0x10000) / 0x400 + 0xD800),
math.floor((val - 0x10000) % 0x400 + 0xDC00)
]
b = constant.TKK
d = b.split('.')
b = int(d[0]) if len(d) > 1 else 0
# assume e means char code array
e = []
g = 0
size = len(text)
while g < size:
l = a[g]
# just append if l is less than 128(ascii: DEL)
if l < 128:
e.append(l)
# append calculated value if l is less than 2048
else:
if l < 2048:
e.append(l >> 6 | 192)
else:
# append calculated value if l matches special condition
if (l & 64512) == 55296 and g + 1 < size and \
a[g + 1] & 64512 == 56320:
g += 1
l = 65536 + ((l & 1023) << 10) + (a[g] & 1023) # This bracket is important
e.append(l >> 18 | 240)
e.append(l >> 12 & 63 | 128)
else:
e.append(l >> 12 | 224)
e.append(l >> 6 & 63 | 128)
e.append(l & 63 | 128)
g += 1
a = b
for i, value in enumerate(e):
a += value
a = _xr(a, '+-a^+6')
a = _xr(a, '+-3^+b+-f')
a ^= int(d[1]) if len(d) > 1 else 0
if a < 0: # pragma: nocover
a = (a & 2147483647) + 2147483648
a %= 1000000 # int(1E6)
return '{}.{}'.format(a, a ^ b)
def _get(url):
headers = {'content-type': 'application/json; charset=UTF-8',
'accept-language': 'zh-CN,zh;q=0.9',
"content-disposition": "attachment; filename=\"f.txt\"",
'Accept-Encoding': '',
"cookie": "_ga=GA1.3.1058806942.1531796090; _gid=GA1.3.743573119.1555898451; 1P_JAR=2019-4-22-2; NID=181=B4bCvuoYOtOPbrQB1626zFADiTQkwCg7F8AYSi1heEAi08NXZGTrYLqDyqjvmX3O_wzaVDq2SBk9gIQE2aKFiGOQqCW6PEcsHyH9gvEqnXa81gq0fhjsq_5UNXY2JWTdRdQB_Da9sAHLG-S5vcDx0SxMvx9qcX--hJmWcYzVLeU",
'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36',
"accept": "text/html",
"accept-Charset": "UTF-8"}
try:
res = requests.get(url, verify=True, headers=headers, timeout=3)
except:
return '', 404
return res.text.encode('UTF-8').decode('UTF-8'), res.status_code
# refresh tkk key
def refresh_tkk():
text, code = _get("https://translate.google.cn/")
if code != 200:
return False
text = re.findall(r'tkk(.+?),', text)
constant.TKK = re.sub(':|\'', '', text[0])
return True
3、语言代码对照表
为了方便使用，这里整理了多国语言对应的缩写，应是比较全了, LanguageMapCode类如下
languageMapCode = {
'检测语言': 'auto',
'阿尔巴尼亚语': 'sq',
'阿拉伯语': 'ar',
'阿姆哈拉语': 'am',
'阿塞拜疆语': 'az',
'爱尔兰语': 'ga',
'爱沙尼亚语': 'et',
'巴斯克语': 'eu',
'白俄罗斯语': 'be',
'保加利亚语': 'bg',
'冰岛语': 'is',
'波兰语': 'pl',
'波斯尼亚语': 'bs',
'波斯语': 'fa',
'布尔语(南非荷兰语)': 'af',
'丹麦语': 'da',
'德语': 'de',
'俄语': 'ru',
'法语': 'fr',
'菲律宾语': 'tl',
'芬兰语': 'fi',
'弗里西语': 'fy',
'高棉语': 'km',
'格鲁吉亚语': 'ka',
'古吉拉特语': 'gu',
'哈萨克语': 'kk',
'海地克里奥尔语': 'ht',
'韩语': 'ko',
'豪萨语': 'ha',
'荷兰语': 'nl',
'吉尔吉斯语': 'ky',
'加利西亚语': 'gl',
'加泰罗尼亚语': 'ca',
'捷克语': 'cs',
'卡纳达语': 'kn',
'科西嘉语': 'co',
'克罗地亚语': 'hr',
'库尔德语': 'ku',
'拉丁语': 'la',
'拉脱维亚语': 'lv',
'老挝语': 'lo',
'立陶宛语': 'lt',
'卢森堡语': 'lb',
'罗马尼亚语': 'ro',
'马尔加什语': 'mg',
'马耳他语': 'mt',
'马拉地语': 'mr',
'马拉雅拉姆语': 'ml',
'马来语': 'ms',
'马其顿语': 'mk',
'毛利语': 'mi',
'蒙古语': 'mn',
'孟加拉语': 'bn',
'缅甸语': 'my',
'苗语': 'hmn',
'南非科萨语': 'xh',
'南非祖鲁语': 'zu',
'尼泊尔语': 'ne',
'挪威语': 'no',
'旁遮普语': 'pa',
'葡萄牙语': 'pt',
'普什图语': 'ps',
'齐切瓦语': 'ny',
'日语': 'ja',
'瑞典语': 'sv',
'萨摩亚语': 'sm',
'塞尔维亚语': 'sr',
'塞索托语': 'st',
'僧伽罗语': 'si',
'世界语': 'eo',
'斯洛伐克语': 'sk',
'斯洛文尼亚语': 'sl',
'斯瓦希里语': 'sw',
'苏格兰盖尔语': 'gd',
'宿务语': 'ceb',
'索马里语': 'so',
'塔吉克语': 'tg',
'泰卢固语': 'te',
'泰米尔语': 'ta',
'泰语': 'th',
'土耳其语': 'tr',
'威尔士语': 'cy',
'乌尔都语': 'ur',
'乌克兰语': 'uk',
'乌兹别克语': 'uz',
'西班牙语': 'es',
'希伯来语': 'iw',
'希腊语': 'el',
'夏威夷语': 'haw',
'信德语': 'sd',
'匈牙利语': 'hu',
'修纳语': 'sn',
'亚美尼亚语': 'hy',
'伊博语': 'ig',
'意大利语': 'it',
'意第绪语': 'yi',
'印地语': 'hi',
'印尼巽他语': 'su',
'印尼语': 'id',
'印尼爪哇语': 'jw',
'英语': 'en',
'约鲁巴语': 'yo',
'越南语': 'vi',
'中文': 'zh-CN',
'中文(繁体)': 'zh-TW'
}
"""
获取语言代码
"""
def get_language_code(language):
if language in languageMapCode:
return languageMapCode[language]
return ''
用法如下：
if __name__ == '__main__':
to_language = LanguageMapCode.get_language_code('英语')
print(GoogleTranslate.translate('auto', to_language, '你好'))
后记
处理多国翻译的工作，最好还是交给专业的翻译公司，当然，也可以参考Google翻译，毕竟Google的产品还是比较靠谱的～～
—— Weiwq 后记于 2019.06 广州
