简体字转繁体字------- 如何将简体字文章翻译成繁体字，并加上拼音 python

     

 

      这些天遇到了一个小问题，我的好朋友拿着一篇pdf来问我，如何把里面的简体字提取出来，翻译成繁体字，同时保留原来的拼音呢。一开始她用word打开pdf然后使用翻译功能，但效果并不好。作为一个预备软件工程师，当然会想到写一个程序来解决问题！

当然第一想法就是写不如抄啦，火速搜索了一下，发现已经有人帮我把主要处理模块写好了：

点击这里跳转

所以我的任务就更简单了，由于我要处理的是文本文件，所以我自己完成文件处理模块，然后服用链接的代码就ojbk了

首先我们观察要处理的这个pdf：

它在用word打开，然后转为txt格式后，会出现一个格式上的问题：

我们发现拼音和文字处于同一行了，而且拼音带上了括号。所以我们要提前做一个预处理工作，把所有的文字提取出来，保留除了括号以外的符号。

def reader(file_name):
    with open(file_name, 'r', encoding='utf-8') as file_obj:
        content = file_obj.read()
        # print(content)
        file_obj.close()
    return content


#使用api
line_chs = reader("input.txt")

#定义处理所有的括号的函数
def get_words(ret_chs):
    nr = ""
    i = 0
    while i < len(ret_chs):
        if ret_chs[i] != '(':
            nr = nr + ret_chs[i]
            i = i + 1
        else:
            while i < len(ret_chs) and ret_chs[i] != ')':
                i = i + 1
            i = i + 1

    return nr

def writer(file_name, content):
    with open(file_name, 'w', encoding='utf-8') as file_obj:
        file_obj.write(content)
        file_obj.close()




# 转换繁体到简体
def cht_to_chs(line):
    line = Converter('zh-hans').convert(line)
    line.encode('utf-8')
    return line


# 转换简体到繁体
def chs_to_cht(line):
    line = Converter('zh-hant').convert(line)
    line.encode('utf-8')
    return line


#简体转繁体
ret_chs = chs_to_cht(line_chs)
#获取没有括号的文字段
nr=get_words(ret_chs)
writer("output2.txt", nr)

将文件保存，展示一下效果：

 

然后就是添加拼音的环节了，我们需要拼音库:

import pypinyin

 考虑到文字和拼音的易读性，我们要调整间距，使得排版较为好看，我的做法是给每个文字中间加空格：

def pinyin(word):
    s = ''
    for i in pypinyin.pinyin(word, style=pypinyin.NORMAL):
        s += ''.join(i)
    return s


def split_line(word):
    s = ''
    for i in word:
        s += i
        if i == ' ':
            continue
        s += " "
    return s

#把所有output2里面的文字按行为单位，放入列表中 便于格式控制
usr_list = []
for line in open("output2.txt", 'r', encoding='utf-8'):
    s = ''
    for i in line:
        s = s + ''.join(i) + " "
    usr_list.append(s)

#获得所有的字的拼音
pinyin_list = []
for line in usr_list:
    pinyin_list.append(yinjie(line))

words = []
for line in usr_list:
    words.append(split_line(line))

#给字加空格
words = []
for line in usr_list:
    words.append(split_line(line))

#一行拼音 一行文字的打印
i = 0

with open("finaloutput.txt", 'w', encoding='utf-8') as file_obj:
    while i < len(usr_list):
        print(pinyin_list[i])
        file_obj.write(pinyin_list[i])
        file_obj.write(words[i])
        print(words[i])
        i += 1
    file_obj.close()

然后我们看到程序运行的结果：

虽然还不是很好看，但已经很好的完成预定目标了