Question

import http.client, urllib.request, urllib.parse, urllib.error

def translate(IN, OUT, text):
    text = urllib.parse.quote(text)
    conn = http.client.HTTPConnection("translate.google.com.tr")
    conn.request("GET", "/translate_a/t?client=t&text="+text+"&hl="+IN+"&tl="+OUT)
    res = conn.getresponse().read().decode("cp1254",'replace')
    print(res)
    b1 = res.split("],[")
    b2 = b1[0].strip('[]')
    b3 = b2.strip('","')
    b4 = b3.split('","')
    return b4[0]

string = input("Turkish >>> English: ")
result = translate("tr","en",string)
print(string,">>>",result)

我正在尝试编写一个可以将土耳其语翻译成英语的脚本。如果我不输入土耳其语字符，该脚本效果很好。例如，这些土耳其语单词成功翻译=（kalemlik，deneme，bilgisayar，okyanus），但如果我输入的单词具有非ascii字符，则翻译不成功。这些是土耳其人字符=（“ıİğĞüÜşŞöÖçÇ”），这些是一些土耳其语单词有非ascii字符=（programcı，şarkı，çalışma，örnek，İnsan，dağ，üs）。顺便说一句，cp1254是土耳其字符的有效编码。我能做些什么来解决这个问题？你知道，这不仅仅是土耳其语。

实例;

Turkish >>> English: okyanus
[[["ocean","okyanus","",""]],[["isim",["ocean","brine","the deep","main","drink"],[["ocean",["okyanus","derya"]],["brine",["tuzlu su","salamura","deniz","okyanus"]],["the deep",["deniz","okyanus","enginler"]],["main",["ana boru","deniz","kuvvet","zor","okyanus","horoz dövüşü"]],["drink",["içmek","içki","içecek","içki içmek","deniz","okyanus"]]]],["sıfat",["oceanic"],[["oceanic",["okyanus","okyanusta bulunan","okyanus gibi"]]]]],"tr",,[["ocean",[5],1,0,999,0,1,0]],[["okyanus",4,,,""],["okyanus",5,[["ocean",999,1,0],["oceanic",0,1,0],["the ocean",0,1,0],["oceans",0,1,0]],[[0,7]],"okyanus"]],,,[["tr"]],2]
okyanus >>> ocean

那是成功的。

    Turkish >>> English: dağ
[[["daÄ\u0178","daÄ\u0178","",""]],,"tr",,[["daÄ\u0178",[5],1,0,1000,0,1,0]],[["daÄ\u0178",5,[["daÄ\u0178",1000,1,0]],[[0,4]],"daÄ\u0178"]],,,[["tr"]],8]
dağ >>> daÄ\u0178

失败！

Answer 1

仔细观察这一点，你会遇到一堆错误和错误的假设。喜欢

“顺便说一下，CP1254是土耳其字符的有效编码。”

是的，这是真的，但还有其他的，如ISO 8859-9，这是一个不仅被微软使用的实际国际标准。当然还有UTF-8/16 / 32.

此外，您不仅在使用CP1254而不检查是否真的是谷歌使用的解码（它不是），您也不会以正确的编码发送这个词。我在第一次阅读时错过了，因为你的问题集中在你得到的东西上。直到第二次阅读我才意识到你的主要问题实际上是当你有一个非ascii字符时翻译失败。

你也发送了一个角色（ğ）并且两个回来了，这就是为什么我认为这是问题的UTF8，并且它是，但不是我最初的想法。

由于您通过HTTP GET发送它，您必须对URL中的文本进行编码，这意味着您基本上必须使用UTF-8。但你的GET并没有这么说。您的请求中没有任何内容表明您使用的是UTF-8。现在，你应该设置一些读者来做这件事，但这很复杂，谷歌翻译允许你作弊。您可以传入ie参数，说明您拥有的编码内容。

如果你不这样做，它可能会回归到ISO-8859-1，这在这些情况下是标准的。这将花费你为ğ发送的两个字节，并假设它们是两个不同的字符，这就是为什么你得到两个字符。

最后，您应该查看标题，了解Google用于响应的编码方式。但是在这里你也可以使用oe参数作弊，并告诉谷歌使用什么编码。

所以，如果你改变：

conn.request("GET", "/translate_a/t?client=t&text="+text+"&hl="+IN+"&tl="+OUT)

要：

path = "/translate_a/t?client=t&ie=UTF-8&oe=UTF-8&text="+text+"&hl="+IN+"&tl="+OUT
conn.request("GET", path)

（因为严肃地说，你不必把所有东西都放在一条长线上）

并改变：

response = conn.getresponse()
res = response.read().decode("UTF-8",'replace')

它会起作用。

Answer 2

对于输入，您不需要做任何事情urlencode()处理，输出可以使用Content-Type标题：

import cgi
from urllib.parse   import urlencode
from urllib.request import urlopen

logger = logging.getLogger(__name__)

def translate(text, from_lang=None, to_lang="en"):
    query = dict(text=text, tl=to_lang, client="t",
                 sl=from_lang if from_lang is not None else "auto")
    url = 'http://translate.google.com.tr/translate_a/t?' + urlencode(query)
    print(url)

    try:
        response = urlopen(url)
        content = response.read()
    except OSError as e:
        logger.error("translate%s error: %s", (text, from_lang, to_lang), e)
    else:
        _, params = cgi.parse_header(response.getheader('Content-Type', ''))
        print(content.decode(params['charset']))

您还可以在Google服务的网址中使用ie/oe参数，将input text/response content个字符编码指定为@Lennart Regebro said。

在python3中使用http和urllib模块时的非ascii字符

2 个答案: