用OpenAi 批量翻译PDF

1. 环境准备

1.1 安装必要的Python库

在使用该脚本前，需要安装以下Python库：

pip install python-docx openai

2. 使用说明

2.1 输入API Key和Base URL

在执行脚本时，首先需要输入OpenAI的API Key和可选的Base URL。

api_key = input("请输入API key: ")
base_url_input = input("请输入base URL (如果没有，请直接回车): ")

 

• api_key：用于访问OpenAI API的密钥。
• base_url_input：可选项，若未提供则使用默认URL。

2.2 设置并行线程数

根据需求设置并行处理的线程数，注意若出现故障或API限流问题，建议使用单线程。

xian_cheng_int = int(input("请输入线程数（线程数越多，单位时间内翻译的段落越多）（若出现故障/api限流问题，优先使用1个线程）: "))

2.3 输入需要翻译的DOCX文件名

输入需要翻译的Word文档文件名（无后缀）。

file = input("当前文件夹的docx文件名（无后缀）：")

2.4 脚本的主要功能

脚本会自动遍历文档中的所有段落，并使用OpenAI的GPT-3.5模型将其翻译为中文。翻译结果会保存在新的DOCX文件中。

3. 代码结构

3.1 translate_paragraph 函数

该函数用于翻译文档中的某一段落，并将翻译结果写回文档。

def translate_paragraph(j, number_paragraph):
    # 获取段落内容并调用API进行翻译
    # 将翻译后的内容写回文档并保存

 

3.2 main 函数

主函数，负责读取文档、管理翻译任务的多线程调度。

def main():
    # 读取用户输入的文件名并打开文档
    # 初始化段落索引列表
    # 管理多线程翻译任务

3.3 全局变量和锁

• lock：全局锁，用于多线程环境下的数据同步。
• doc：全局的文档对象。
• my_json_data：全局的数据结构，存储段落的状态。

 

4.注意事项

1. API Key的保护：确保API Key的安全，避免泄露。
2. 文档格式：脚本假设文档中的每个段落都是独立的，如果有复杂的段落格式，可能需要调整代码。
3. 线程数设置：根据实际需求和系统性能设置合适的线程数，避免过多线程导致系统负载过高或API限流。
4. 错误处理：若遇到API调用超时或其他错误，脚本会跳过当前段落并继续处理下一个段落。

全部代码：

from docx import Document
from docx.shared import Pt
import openai
import threading
import time

# 获取用户输入的API key
api_key = input("请输入API key: ")

# 尝试获取用户输入的base URL，如果没有则使用默认值
base_url_input = input("请输入base URL (如果没有，请直接回车): ")

# 根据用户输入创建client实例
if base_url_input:  
    client = openai.OpenAI(api_key=api_key, base_url=base_url_input)
else:  
    client = openai.OpenAI(api_key=api_key)

# 获取用户输入的线程数
xian_cheng_int = int(input("请输入线程数（线程数越多，单位时间内翻译的段落越多）（若出现故障/api限流问题，优先使用1个线程）: "))
print("客户端配置完成。")

# 创建全局锁
lock = threading.Lock()

def translate_paragraph(j, number_paragraph):
    global doc
    global lock

    # 获取段落的内容
    paragraph_text = doc.paragraphs[number_paragraph].text
    print(paragraph_text)

    # 创建对话列表
    message = [
        {"role": "system", "content": f"""Translate the following English (or other languages) into Chinese. If there is no text to translate, please copy the user's input as a reply. text:"{paragraph_text}" """}
    ]

    try:
        # 使用GPT-3.5对话模型进行翻译
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=message
        )
        translated_text = response.choices[0].message.content
        print(translated_text)

        with lock:
            # 获取段落的第一个字符的字体大小
            paragraph = doc.paragraphs[number_paragraph]
            font_size = paragraph.runs[0].font.size if paragraph.runs else Pt(11)

            # 清除段落内容并添加翻译后的内容
            paragraph.clear()
            new_content = paragraph.add_run(translated_text)
            new_content.font.size = font_size if font_size else Pt(11)

            # 保存修改后的文件
            doc.save('Translation_file.docx')
            my_json_data['ingT'].remove(j)
            print("已保存文件")
    except Exception as e:
        print(f"API调用超时或其他错误: {e}")

def main():
    global doc
    global my_json_data

    file = input("当前文件夹的docx文件名（无后缀）：")
    print(file)

    # 打开已有的docx文件
    doc = Document(f'{file}.docx')

    docx_NT = [i + 1 for i in range(len(doc.paragraphs))]
    print(docx_NT)

    my_json_data = {
        'docx': f'{file}.docx',
        'ingT': [],
        'NT': docx_NT
    }

    while my_json_data['NT']:
        while len(my_json_data['ingT']) >= xian_cheng_int:
            print(f"达到{xian_cheng_int}线程")
            print("当前线程数：", len(my_json_data['ingT']))
            time.sleep(1)

        with lock:
            if not my_json_data['NT']:
                break
            j = min(my_json_data['NT'])
            my_json_data['ingT'].append(j)
            my_json_data['NT'].remove(j)

        print("正在处理段落:", j)
        number_paragraph = j - 1
        paragraph = doc.paragraphs[number_paragraph]

        if paragraph.text.strip():
            print("段落包含文字")
            threading.Thread(target=translate_paragraph, args=(j, number_paragraph)).start()
        else:
            print("段落不包含文字")
            with lock:
                my_json_data['ingT'].remove(j)

    print("翻译全部完成, 正在等待线程完成")

if __name__ == "__main__":
    main()