活学活用Python01：谷歌翻译小助手

写这篇文章的缘由

由于学业需要，我每天都药花大量的时间看论文，而且都是英文论文。作为一个工作了几年再读博的老博士，英语已经忘得差不多了。碰到一些难以理解的段落，就需要借助于谷歌翻译等在线的翻译工具。因此，我最经常做的事情就是：在PDF阅读器中复制一段话，再到谷歌翻译的网页中粘贴，看看自己有没有理解错误。比如这样：

我们看到，出现了两个问题：
1. 因为换行符造成句子中断，影响了谷歌翻译的准确性。
2. 每次都要切换到谷歌翻译的网页，手动粘贴进去，也很麻烦。

这两周一直在看申龙斌的python教程，有一天就突然想要自己动手写个python小程序，来解决我上面碰到的两个问题了。

任务分解

我要写的程序要能够解决上面的两个问题，因此要实现以下功能：
1. 能够替换掉PDF文件段落复制时产生的换行符，替换成空格。
2. 能够自动打开网页并把翻译结果显示出来。

我们看着两个功能还是太笼统了，仿照申龙斌博客中的思路，按照《如何解题》里面说的，要先把问题分解。1.读取剪贴板，把剪贴板的内容保存成一个字符串2.替换剪贴板里面的换行符为空格3.直接打开替换后的文本的谷歌翻译页面

解决过程

1.读取剪贴板

首先百度以下python读取剪贴板：

比较了一下，发现第二个链接非常的容易懂。使用了一个包叫pyperclip，这个包里面有两个函数copy()和paste()，可以在本文的程序中使用。方法如下：

import pyperclip
pyperclip.copy('Hello world.')
print(pyperclip.paste())

就会输出：Hello world.
上面的两行代码就能够读取剪贴板的内容并打印出来了

2.替换换行符

测试了一下，在PDF文件中复制以后，直接使用pyperclip.paste()得到的就是文本，类型是Unicode，查了一下，应该是字符串的一种，可以直接使用python中的字符串的方法。而字符串方法中有一个函数就是replace（‘需要替换的字符’，“想要换成的字符”）
测试一下：

import pyperclip
copyedText= pyperclip.paste()normalizedText = copyedText.replace('\n', ' ')

发现没有反应，于是想到有些换行可能不是\n,也有可能是\r，于是就这样反复尝试，最后发现PDF换行换行很复杂，是\r\n，后来又发现一些小的bug，进行了修改，最终形成的函数是：

normalizedText = copyedText.replace('\r','\\r').replace('\n','\\n').replace('-\\r\\n','').replace("\\r\\n"," ")

至此，已经能够的到正常的文本了

3.直接打开替换后的文本的谷歌翻译页面

Python里面打开网页的函数是webbrowser.open(url)
查看一下刚才的文字翻译的网页的地址：http://translate.google.cn/#en/zh-CN/Abstract%E2%80%94Performing%20predictive%20modelling%2C%20such%20as%20anomaly%0Adetection%2C%20in%20Big%20Data%20is%20a%20difficult%20task.%20This%20problem%20is%0Acompounded%20as%20more%20and%20more%20sources%20of%20Big%20Data%20are%20generated%0Afrom%20environmental%20sensors%2C%20logging%20applications%2C%20and%0Athe%20Internet%20of%20Things.%20Further%2C%20most%20current%20techniques%20for%0Aanomaly%20detection%20only%20consider%20the%20content%20of%20the%20data%20source
可以看出这个地址的结构是这样的：
http://translate.google.cn/#en/zh-CN/sentenceToBeTranslated
那么我们要打开的页面地址就是：
http://translate.google.cn/#en/zh-CN/text_norm
用字符串的方式写就是
url= 'http://translate.google.cn/#en/zh-CN/'+text_norm
然后调用webbrowser来打开新的页面
webbrowser.open(url)

4.设置监听和查重

要让我们的程序不停的监听剪贴板，那么就需要设置一个循环，我这里根据我自己的习惯，设置了每10秒运行一次。

import time
while True:
    time.sleep(10)
    【上述功能代码】

监听设置以后发现不管你有没有复制新的东西，都会每10秒打开一个新页面，这很不爽，因此加上一个查重：设置一个缓冲，把已经得到的文本存放在copyBuff中，如果新的文本来了就和copyBuff对比一下， 不同就翻译，相同就忽略。

while True:
    time.sleep(10)
    copyedText=pyperclip.paste()
    if copyBuff != copyedText:
        copyBuff=copyedText
      【上述功能代码】

最终的代码如下：

import pyperclip
import time
import webbrowser
copyBuff=' '
while True:
    time.sleep(10)
    copyedText=pyperclip.paste()
    if copyBuff!=copyedText:
        copyBuff=copyedText
        normalizedText=copyBuff.replace('\r','\\r').replace('\n','\\n').replace('-\\r\\n','').replace("\\r\\n"," ")
        url='http://translate.google.cn/#en/zh-CN/'+normalizedText
        webbrowser.open(url)
    else:
        print('no change')

5.测试一下

打开python程序，从PDF中复制一段文字，稍等片刻，成功了！感谢CCTV……

总结：

• 复杂问题先分解
• pyperclip包
• str.replace()函数
• time.sleep(seconds)
• webbrowser.open(url)