python蒙文翻译爬虫-Onon翻译

最新推荐文章于 2025-05-17 17:07:22 发布
最新推荐文章于 2025-05-17 17:07:22 发布
阅读量1.5k 收藏 3
点赞数
分类专栏： python爬虫 文章标签： python 爬虫 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/song_qing_8/article/details/127808443
版权
本文介绍了一个使用Python编写的爬虫，该爬虫利用Onon翻译网站进行蒙文翻译。爬虫过程涉及查看网页源码，抓取请求头和请求数据。代码简单，目前网站未设置反爬措施，支持更改参数实现中文到蒙文的翻译，以及通过读取文件批量翻译。若需翻译大量文本，可考虑引入多线程技术。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

网上随便找到一个网站，原网站，Onon翻译，输入字符限制4000,

爬虫过程

  • 原网站右键点击检查
  • 点击网络
  • 可以看到唯一的一个包就是我们需要的
  • 将请求表单的请求头和请求数据封装一下就可以了
    在这里插入图片描述

代码

# coding:utf-8
import requests
import re
dr = re.compile(r'<[^>]+>',re.S)	# 替换文本中的re标签，只保留值
最低0.47元/天 解锁文章
如何下载Onon Office
Captain-G的博客
05-24 1370
关于Onon Office OnonOffice是由内蒙古斡仑科技有限公司与永中软件股份有限公司联合开发的蒙汉多文种跨平台办公套装，是具有自主知识产权的国产民族办公软件。该套装由永中文字、永中表格、永中简报、永中PDF、Onon输入法及蒙古文智能化工具集和精品蒙古文模板库等组成。OnonOffice原生支持蒙古文特性，提供汉蒙划词翻译、词典查找、新旧蒙古文转换、拼写检查、字数统计等高效智能化工具。 官方网址：http://office.onon.cn/ ...
python开发传统蒙古文OCR（一）
AyonA123的博客
05-28 4054
传统蒙古文的书写形式是从上到下，从左到有的形式。所以跟其他语言的OCR不一。不过流程都差不多，灰度化，然后查找文字图片，然后进一步识别比对或机器学习，然后识别出相应文字。 1.灰度化 首先打开测试图片。放大两倍，然后二值化（灰度化）。灰度化很简单，代码如下： import os import cv2 import numpy as np import matplotlib.p
python3txt删除高频低频词_python 如何把文本文件里的开头的数字删掉？-给你三个亿的回答...
weixin_39720181的博客
02-20 7331
Index=Index+1iftext[Index]=='':text=text[0:i+1]+text[Index+1:len(text)]#字符串拼接breakfile_object=open("6.txt","w",encoding='utf-8')#读取文件改为写模式(蒙语文本utf-8编码)#file_object=open('6.txt','w')读取文件file_object.wri...
html显示蒙古语乱码,做网站用UTF-8编码还是GB2312编码？
weixin_39861918的博客
06-15 780
经常我们打开外国网站的时候出现乱码，又或者打开很多非英语的外国网站的时候，显示的都是口口口口口的字符，WordPress程序是用的UTF-8，很多cms用的是GB2312。● 为什么有这么多编码？● UTF-8和GB2312有什么区别？● 我们在国内做网站是用UTF-8编码格式还是GB2312编码格式好？一. 各种编码的来历可能很多同学一直对字符的各种编码方式懵懵懂懂，根本搞不清为什么他们有这么多...
python langid 语种检测以及语种对应表
追求卓越,做到专业
03-11 5577
利用langid包识别语种，demo代码 import langid def lang_by_langid(para_text): ''' 语种识别,根据langid包 ''' ret = langid.classify(para_text) print(f"langid:{ret}") return ret[0] lang_arr=[ "「i-FILTER」に複数の脆弱性。導入企業は最新版に更新を（JVN#32155106） | セキュ
【工作】python识别不同国家语言类型
dreamzuora的博客
05-06 7432
优秀文章推荐： 地址：Python使用谷歌langdetect检测语言 地址：Python3：语言探测工具langdetect和langid 支持的语言类型： 支持检测55种语言： af, ar, bg, bn, ca, cs, cy, da, de, el, en, es, et, fa, fi, fr, gu, he, hi, hr, hu, id, it, ja, kn, ko...
基于神经网络的蒙文手写字母识别的一些研究（卷积神经网络）
cwht666的博客
07-24 1293
基于神经网络的手写蒙古字母识别（一） 各位博友大家好！我是PennyWu，让大家久等了，我们继续学习。 1. 卷积神经网络(Convolutional Neural Network,CNN) 1.1 卷积神经网络CNN 首先必须肯定的是CNN是一个多层神经网络结构，其次它有以下几大特点： 1.具有较强的容错性。（CNN拥有最具代表性的卷积层和池化层） 2.具有较强的自学习能力和并行处理...
自然语言处理之蒙古文词网生成系统
AlgoRain的博客
11-10 3928
更多技术文章请访问我的个人博客http://www.rain1024.com自然语言处理之蒙古文词网生成系统蒙古文词网生成系统，是根据WordNet词网所建立的，在用户输入关键词后可以进行选择词网树的根部级别和底部级别，然后系统会根据用户的输入，再依托大量的算法，在数据库中生成该关键词的词网二叉树结构，最后以树状图的形式显示到网页中，使用方便简单，便于设计与分析语义。上面是关于系统的介绍，其实在后台
Python爬虫实战：研究进制流数据，实现逆向解密
ylfhpy的博客
05-14 567
许多网站和应用通过二进制流数据传输敏感信息，如视频、金融交易数据等。逆向工程进制流数据不仅有助于合法的数据获取与分析，还能帮助企业发现自身安全漏洞，提升数据保护能力。本研究主要针对特定类型的视频加密系统，对于采用更复杂加密机制（如硬件加密、动态密钥交换）的系统，可能需要进一步优化方法。以二进制形式传输的数据序列，通常包含文件、图像、音频或加密信息。如 ECB、CBC、CFB 等，定义加密算法如何处理数据块。拦截并修改通信双方数据的攻击方式，本研究用于合法数据捕获。
如何利用 Python 获取京东商品 SKU 信息接口详细说明
最新发布
J15779585792的博客
05-17 578
通过上述步骤和代码示例，你可以轻松地使用 Python 调用京东商品 SKU 信息接口，获取商品的详细信息。希望这个指南对你有所帮助！如果你对电商数据开发有更多兴趣，可以尝试探索更复杂的功能，如多线程爬取、数据可视化等。如遇任何疑问或有进一步的需求，请随时与我私信或者评论联系。
Python 基础语法与数据类型(八) - 函数参数：位置参数、关键字参数、默认参数、可变参数 (*args, **kwargs)
晨的技术博客
05-13 746
本篇博客详细介绍了 Python 函数参数的四种主要类型：位置参数、关键字参数、默认参数和可变参数 (*args, **kwargs)。位置参数要求实参按顺序传递，关键字参数则通过参数名指定值，提高了代码的可读性。默认参数允许为参数提供默认值，但需注意避免使用可变对象作为默认值。可变参数 *args 和 **kwargs 分别用于接收任意数量的位置参数和关键字参数，增强了函数的灵活性。通过合理使用这些参数类型，可以编写出更通用和易维护的函数。
YOLOv7训练时4个类别只出2个类别
qq_48873240的博客
05-16 552
在使用YOLOv7进行训练和预测时，发现模型仅能预测出两个类别（LFM和SFM），而实际应有四个类别。经过检查，特征图大小和anchors设置均与YOLOv3一致，且YOLOv3表现正常。最终发现问题可能出在detect.py中的conf-thres参数设置过高，将其从0.5调整为0.1后，问题得到解决。此外，还需注意在NMS操作时不使用classes参数，并在train.py中根据实际类别数和图片大小调整hyp['cls']和hyp['obj']的缩放比例。这些调整有助于确保模型能够正确预测所有类别。
【AI】“CUDA” 到底是什么？（AI 计算民主化，第二部分）
u011808788的博客
05-14 1016
似乎每个人都在去年开始谈论CUDA ：它是深度学习的支柱，是新型硬件难以竞争的原因，也是NVIDIA 护城河和飙升市值的核心。DeepSeek的出现，让我们获得了一个惊人的发现：它的突破是通过“绕过” CUDA，直接进入 PTX 层实现的……但这究竟意味着什么？似乎每个人都想打破这种锁定，但在制定计划之前，我们必须了解我们面临的是什么。本文是 Modular “ AI 计算民主化”系列文章的第二部分。更多信息，请参阅：第一部分：DeepSeek 对 AI 的影响第二部分：“CUDA”到底是什么？
UserWarning: Do not pass an input_shape/input_dim argument to a layer 问题及其解决
Humbunklung的专栏
05-17 266
xxx\Lib\site-packages\keras\src\layers\core\dense.py:87: UserWarning: Do not pass an input_shape/input_dim argument to a layer. When using Sequential models, prefer using an Input(shape) object as the first layer in the model instead. super().init(activity
Java零基础学习Day12——集合ArrayList
m0_68932052的博客
05-13 648
集合只存引用数据类型；长度可变数组可存基本数据类型、引用数据类型；长度固定。
SparkSQL操作Mysql
2301_82309776的博客
05-13 726
SparkSQL 提供了强大的功能来连接和操作 MySQL 数据库，支持读取数据、写入数据以及执行 SQL 查询。下面将详细介绍如何使用 SparkSQL 与 MySQL 进行交互，并提供完整的代码示例。，并将 JAR 文件添加到 Spark 的 classpath 中。在创建 SparkSession 时，通过。
第十七章：Llama Factory 深度剖析：易用性背后的微调框架设计
YPeng_Gao的博客
05-13 1101
Llama Factory 是一个开源工具，旨在简化大语言模型（LLM）的微调过程，支持多种参数高效微调方法（PEFT），如 LoRA 和 QLoRA。其核心价值在于降低技术门槛和资源消耗，通过直观的 Web UI 和统一配置，使非专业开发者也能快速上手。Llama Factory 的设计哲学强调封装复杂性，提供模块化架构，涵盖配置管理、数据处理、模型加载、训练循环和结果保存等关键组件。它通过统一接口支持多种 PEFT 方法，集成分布式训练和量化技术，简化了微调流程。
python打卡day27
m0_62284115的博客
05-16 113
编写一个装饰器 logger，在函数执行前后打印日志信息（如函数名、参数、返回值）装饰器的思想：进一步复用。注意内部函数的返回值。
p40上编译vllm0.8.6
tianjun2012的专栏
05-16 148
在编译过程中，使用TORCH_CUDA_ARCH_LIST和CMAKE_CUDA_ARCHITECTURES参数进行CUDA架构的指定，并尝试通过python setup.py develop命令进行开发模式的安装。然而，该命令触发了多个警告和错误。首先，setuptools和easy_install的使用被标记为已弃用，建议使用pypa/build或pypa/installer等标准工具。其次，CMake在查找libnvrtc.so和nvtx3时遇到问题，导致无法找到相关库文件。此外，编译过程中未启用cu
Skip-N蒙古文语言模型在汉蒙机器翻译中的应用
蒙古文统计语言模型是自然语言处理领域的一个重要研究方向，尤其在机器翻译系统中起到关键作用。传统的N-gram语言模型在处理蒙古文这类富含词缀的语言时，由于其自身的局限性，难以有效地捕捉词干和词缀间的长距离...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值