Google 翻译输出 HTML Python 中的实体 3

Question

当我尝试将法语字符写入文件时，有些字符看起来像

j&#39;ai

我对西班牙文字符没有任何问题。我可能做错了什么？

"""Translates text into the target language.

Make sure your project is whitelisted.

Target must be an ISO 639-1 language code.
See https://g.co/cloud/translate/v2/translate-reference#supported_languages
"""
from google.cloud import translate

# Instantiates a client
translate_client = translate.Client()


# The target language
target = 'fr'

# Create a list of strings to translate. 
test_list = []
new_list = []
for i in range(1) :
    test_list.insert(i, 'I said, you know what, something, I\'m going to drop everything else off that I was doing and go through a period of a dry spell just to properly give it a chance when I started using it. ')

# Send 128 items per translation request and concatenate resulting translations into one list. (The max items per request for Google translate is 128.)
concat_result = []
for j in range(0, len(test_list), 128):
    new_result = translate_client.translate(
        test_list[j:j + 128], target_language=target)
    concat_result += new_result

count = 0
for list in concat_result :
    print(count, concat_result[count]['translatedText'])
    count += 1

打印结果：

0 J&#39;ai dit, vous savez quoi, quelque chose, je vais laisser tomber tout ce que je faisais et traverser une période de sécheresse simplement pour lui donner une chance de bien commencer à l&#39;utiliser.

请忽略我正在翻译一个字符串列表而不是一个字符串。我正在测试发送批量请求。

Answer 1

编辑

好的，正如预期的那样，问题出在字符串上，而不是字幕生成上。

Google 翻译 API 指定其默认输出为 HTML。这就是为什么您得到 HTML 个实体而不是原始字符的原因。

您需要在翻译方法的调用中指定您希望格式为文本而不是 HTML。

类似于：

translate_client.translate(
        test_list[j:j + 128], 
        target_language=target,
        format="text")

您可以在以下位置找到有关参数的更多信息： https://cloud.google.com/translate/docs/reference/translate?hl=ja

以及 Python API 本身的更多详细信息，请在此处阅读其源代码： https://github.com/googleapis/google-cloud-python/blob/master/translate/google/cloud/translate_v2/client.py#L164

编辑结束

在我回答之前，我会给你一些建议，因为你似乎是新来的：如果您需要代码方面的帮助，您应该提供一个 fully 工作示例。如果某人没有提供所需的所有背景信息和信息，那么真的很难帮助他们。

所以，让我们转到答案...

我先来个大胆的猜测：

您正在使用位于以下位置的 srt 库创建字幕文件： https://github.com/cdown/srt

--

我刚刚用下面的代码测试了它：

subtitle_generator = srt.parse('''\
   1
   00:31:37,894 --> 00:31:39,928
   Je m'appelle Francisco

   ''')

subtitles = list(subtitle_generator)

with open("a_fr.srt" , "w", encoding='utf-8') as f:
    f.write(srt.compose(subtitles))

而且撇号显示得很好。

您应该检查subs 的内容和parse 函数中使用的原始文本。问题很可能出在原始文本上，而不是 python 打印，因为在编写过程中没有任何内容可以自动将字符转换为 HTML 个实体。

Google 翻译输出 HTML Python 中的实体 3

Google Translate outputs HTML Entities in Python 3

python

encoding

google-translate