大家好，我是Python进阶。1.前言前几天有个叫【张倩】的粉丝让我看一段关于电子书英文自动翻译的代码。2.介绍这个小项目是git上一个叫[xiaolai]的大佬分享的。它看起来很新，并且是在不久前发布的，也就是14天前。一本中译约39万字的书，1.5小时左右即可处理（包括基本格式编辑）。这速度太恐怖了！下面就来看看这款神器的使用方法吧！3.电子书格式转换途径首先需要将Kindle中的电子书导出，并使用ePubor进行deDRM，然后将电子书转换为epub文件。我总是直接在亚马逊上购买，然后在我的电脑上安装一个旧版本的Kindle应用程序，右键单击书名，下载它，然后在不打开电子书的情况下退出Kindle。ePuborUltimate也是一款付费软件，可以去除旧Kindle下载的电子书的DRM；将awz文件转换为epub文件。（可以参考这个页面）然后，使用免费软件Calibre将epub转成htmlz文件（压缩包）。（我尝试使用命令行工具包pandoc，但经过比较，我发现Calibre在保留样式方面可能更好......）在终端中使用unzip命令解压htmlz存档。4、之所以选择html格式作为翻译格式，是为了保留书中大量的脚注、尾注和链接；DeepL有一个特殊的API参数来处理xml标签，tag_handling="xml";可以通过css文件随意设置显示样式，比较Flexible；可以通过插入javascript函数指定特定语言的显示（比如只显示中文）；可以作为源文件转换任何格式的电子书……另外，调用tag_handling="xml"后，DeepLAPI返回的翻译非常有规律，可以保留所有html标签；并且，“返回的字符串”与“原始字符串”相同，可以作为判断该行是否已经翻译的依据，如果没有，在生成的翻译html文件中就不需要该行了反复出现...5.清理html整理html文件很麻烦。更方便的方法是使用BeautifulSoup模块。BeautifulSoup本来是一个爬虫工具，但它是一种非常方便的清理html文件的方式。下面的脚本主要完成以下任务：首先去掉html文件中的所有\n；将所有内容单独放在一条线上；将所有内容单独放在一条线上；删除所有\n里面；并在;之前添加一个空行......当然，您可以在此处进行更多您喜欢的格式清理。为方便起见，path和source_filename和target_filename是分开指定的。代码如下：importbs4importrepath="JohnLaw/"#必须有/source_filename="index.html"target_filename="index2.html"html=open(path+source_filename)htmltext=html.read()soup=bs4在文件夹名称的末尾。BeautifulSoup(htmltext)#Removeall\n...htmltext=str(bs4.BeautifulSoup(htmltext)).replace("\n","")#
