Python_使用有道翻译srt字幕文件_python翻译srt文件-CSDN博客

本文链接：https://blog.csdn.net/chenhenryjin/article/details/139884994

好几年前在网上找到一部喜剧片《塔科马消防队》，可能是比较冷门，看到第二季第六集往后第十三集就没字幕了，一直等到前几天还是没有，于是我打算自己去用机翻去解决。

流程很简单，但具体实现对没使用过云API的我还是比较烦的：

使用python先把srt文件后缀改成txt。
再把所有两行英文的并成一行英文（我是按行读取文件，两行会自动翻译成破坏语义的两句中文）。
将每行英文归纳进python的一个列表，用这个列表分割成多个最大长度为100长度的列表分别调用网易有道翻译的API（因为单次传输最高5000字符），再把翻译后的中文重组成和原列表等长的列表。
再将原列表插入到确定位置，重新写一个双语字母txt。

一开始翻译用的是translate库，一会就超出限制了，所以我才用的网易有道，新用户送了50块，我翻译了7集大概每集600到1000行句子，还包括了测试也翻译了几千行句子，才用了十块多点。因为是机翻，所以是需要点英文基础的，看看喜剧完全够用了。

调用有道翻译

我略微改了一下官网demo代码，使得connect函数输入输出都是内容一一对应的列表，如果出现问题可以打印response.content.decode('utf-8')可以看到报错码，再根据官网提示去修改就好了。

youdao.py:

# -*- coding: utf-8 -*-
import sys
import uuid
import requests
import hashlib
import time
from importlib import reload
import json
reload(sys)

YOUDAO_URL = 'https://openapi.youdao.com/v2/api'
APP_KEY = ''#填自己的
APP_SECRET = ''#填自己的


def connect(a):
    # qArray = ["- Why aren't you treating him?", "- We're just actors!"]
    data = {}
    data['from'] = 'en'
    data['to'] = 'zh-CHS'
    data['signType'] = 'v3'
    curtime = str(int(time.time()))
    data['curtime'] = curtime
    salt = str(uuid.uuid1())
    signStr = APP_KEY + truncate(''.join(a)) + salt + curtime + APP_SECRET
    sign = encrypt(signStr)
    data['appKey'] = APP_KEY
    data['q'] = a
    data['salt'] = salt
    data['sign'] = sign
    data['vocabId'] = "您的用户词表ID"#不用填
    response = do_request(data)
    contentType = response.headers['Content-Type']
    # print(contentType)
    # print(response.content.decode('utf-8'))
    json_str = response.content.decode('utf-8')
    data = json.loads(json_str)
    translations = [item["translation"] for item in data["translateResults"]]
    # print(translations)
    return translations
    


def encrypt(signStr):
    hash_algorithm = hashlib.sha256()
    hash_algorithm.update(signStr.encode('utf-8'))
    return hash_algorithm.hexdigest()


def truncate(q):
    if q is None:
        return None
    size = len(q)
    return q if size <= 20 else q[0:10] + str(size) + q[size - 10:size]


def do_request(data):
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    return requests.post(YOUDAO_URL, data=data, headers=headers)


if __name__ == '__main__':
    # connect(a)

批量修改srt为txt后缀名

clean.py

import os


folder_path = ''#文件路径
os.chdir(folder_path)

for filename in os.listdir(folder_path):
    # 将文件后缀改为txt
    if filename.endswith(".srt") :
        newfile=f'{filename}.txt'
        os.rename(filename, newfile)
        print(filename)
    if filename.endswith(".txt"):
        print(filename)

合并英文行

这是原字幕文件，英文有一行的也有两行的，遇到两行的需要合并一下，换行符为'\n'。

clean.py

file = open("Tacoma.FD.S02E13.WEBRip.x264-ION10.srt.txt", "r", encoding="UTF-8")
frlist = file.readlines()


i=0
while i < len(frlist):
    # print(i,frlist[i])
    if  frlist[i].strip().isdigit():
        if i + 4 < len(frlist) and frlist[i+4]=='\n':
            frlist[i + 2] = ' '.join([frlist[i + 2].replace('\n',''),frlist[i + 3]])
            # print(i,frlist[i + 2])
            frlist.pop(i+3)
            i=i+4
            continue
    i=i+1
file.close()

将合并好的内容写入新的文件。

file2 = open("13.txt", "w", encoding="UTF-8")
for i in range(0,(len(frlist))):
    file2.write(frlist[i])
file2.close()

翻译并添加进新文件

trans.py

import time
import numpy as np
import youdao
import os

folder_path = 'D:\BaiduNetdiskDownload'
os.chdir(folder_path)

betranslted = []
#读取合并好的英文行
file = open("13.txt", "r", encoding="UTF-8")
frlist = file.readlines()
for m in range(0, len(frlist)):
    if not frlist[m].strip().isdigit() and not frlist[m].strip().startswith(tuple(str(num) for num in range(10))) and \
            frlist[m] != '\n':
        # print(m, frlist[m])
        betranslted.append(frlist[m])
file.close()

#去除列表中的换行符
def remove_newline(qArray):
    for i in range(len(qArray)):
        qArray[i] = qArray[i].replace('\n', '')

# 添加列表中的换行符
def add_newline(qArray):
    for i in range(len(qArray)):
        qArray[i] += '\n'


remove_newline(betranslted)
# print(betranslted)
# 分割成多个小列表和余下的小列表
print(len(betranslted))
chunk_size = 100
chunks = [betranslted[i:i + chunk_size] for i in range(0, len(betranslted), chunk_size)]
# print(chunks)
for i in range(len(chunks)):
#翻译
    chunks[i] = youdao.connect(chunks[i])
    time.sleep(1)
    # print(chunk)

# 将操作后的小列表重新合并成一个新的等长列表
new_list = np.concatenate(chunks).tolist()
add_newline(new_list)

m = 0
while m < len(frlist) and new_list:
    if not frlist[m].strip().isdigit() and not frlist[m].strip().startswith(tuple(str(num) for num in range(10))) and \
            frlist[m] != '\n':
        # print(m, frlist[m])
        result = new_list[0]
        # print(result)
        frlist.insert(m, result)
        new_list.pop(0)
        # print(m, result)
        m = m + 2
    else:
        m = m + 1

file2 = open("E13.txt", "w", encoding="UTF-8")
for i in range(0, (len(frlist))):
    file2.write(frlist[i])
file2.close()

最后就是手动把txt改为srt导入就好了。由于都是单句文本翻译，机翻总是会存在一些小问题，如下，不过总算是把硬盘吃灰的剧集给看完了。