Google 翻译在 Python 3 中输出 HTML 实体



当我尝试将法语字符写入文件时,某些字符看起来像

j'ai

我对西班牙语字符没有任何问题。我可能做错了什么?

"""Translates text into the target language.
Make sure your project is whitelisted.
Target must be an ISO 639-1 language code.
See https://g.co/cloud/translate/v2/translate-reference#supported_languages
"""
from google.cloud import translate
# Instantiates a client
translate_client = translate.Client()

# The target language
target = 'fr'
# Create a list of strings to translate. 
test_list = []
new_list = []
for i in range(1) :
test_list.insert(i, 'I said, you know what, something, I'm going to drop everything else off that I was doing and go through a period of a dry spell just to properly give it a chance when I started using it. ')
# Send 128 items per translation request and concatenate resulting translations into one list. (The max items per request for Google translate is 128.)
concat_result = []
for j in range(0, len(test_list), 128):
new_result = translate_client.translate(
test_list[j:j + 128], target_language=target)
concat_result += new_result
count = 0
for list in concat_result :
print(count, concat_result[count]['translatedText'])
count += 1

打印结果:

0 J'ai dit, vous savez quoi, quelque chose, je vais laisser tomber tout ce que je faisais et traverser une période de sécheresse simplement pour lui donner une chance de bien commencer à l'utiliser.

请忽略我正在翻译字符串列表而不是字符串。我正在测试发送批处理请求。

编辑


好的,正如预期的那样,问题出在字符串上,而不是字幕生成上。

谷歌翻译 API 指定其输出默认为 HTML。这就是您获得 HTML 实体而不是原始字符的原因。

您需要在翻译方法的调用中指定您希望格式为文本而不是 HTML。

像这样:

translate_client.translate(
test_list[j:j + 128], 
target_language=target,
format="text")

您可以在以下位置找到有关参数的更多信息: https://cloud.google.com/translate/docs/reference/translate?hl=ja

以及有关Python API本身阅读其源代码的更多详细信息: https://github.com/googleapis/google-cloud-python/blob/master/translate/google/cloud/translate_v2/client.py#L164

编辑结束


在我回答之前,我会给你一些建议,因为你似乎是新来的: 如果您需要代码帮助,则应提供一个完全有效的示例。 当他们没有提供所需的所有背景和信息时,真的很难帮助他们。

所以,让我们转向答案...

我将在这里从一个疯狂的猜测开始:

您正在使用位于以下位置的 srt 库创建字幕文件: https://github.com/cdown/srt

--

我刚刚用下面的代码对其进行了测试:

subtitle_generator = srt.parse('''
1
00:31:37,894 --> 00:31:39,928
Je m'appelle Francisco
''')
subtitles = list(subtitle_generator)
with open("a_fr.srt" , "w", encoding='utf-8') as f:
f.write(srt.compose(subtitles))

它很好地显示了撇号。

您应该检查 subs 的内容和 parse 函数中使用的原始文本。问题很可能出在原始文本上,而不是 python 打印上,因为编写过程中没有任何内容会自动将字符转换为 HTML 实体。

相关内容

  • 没有找到相关文章

最新更新