准备工作

1.首先，目标是word中的内容，这就需要一个可以操作word的库了。百度一波，发现python-docx可以使用。

官方文档: https://python-docx.readthedocs.io/

2.其次，要对陌生单词进行翻译，则需要调用翻译的接口。那就百度翻译吧!
3.最后将程序打包，给没有python环境的电脑用。

正式开始

1.安装python-docx

pip install python-docx

2.读取目标docx文件

from docx import Document

# 初始化一个文档，读取目标文件
doc = Document('word.docx')
# 进行数据操作
# code

# 保存文件
doc.save('word.docx')

3.查找有下划线的单词

# ...

# 遍历所有段落
for paragraph in doc.paragraphs:
    # 在一个段落中遍历所有的样式
    for style in paragraph.runs:
        # 如果样式有下划线，说明该词是陌生的
        if style.underline:
            print(style.text)

4.调用百度翻译的接口

为了简化流程，就不去申请百度的翻译api了，直接用网页上的接口吧！

  • 打开百度翻译的网页
    baidu-translate-page

  • 打开控制台找到 Network
    baidu-network

  • 在框中输入要翻译的单词，就用happy吧
    baidu-res-box

  • 在Network可以发现有很多xhr请求，经过对比和推敲，我们发现sug请求实现了翻译功能。下面来看看sug的请求方式：
    baidu-word-happy
    请求连接为 http://fanyi.baidu.com/sug
    请求方式为 POST
    再看一下携带的数据
    baidu-network-parse
    仅仅只有一个参数，也就是我们要进行翻译的单词。

  • 开始写代码

# 定义一个翻译的函数
def translate(word):
    url = 'http://fanyi.baidu.com/sug'
    data = {
       'kw': word
    }
    headers = {
        'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36',
        'Referer': 'http://fanyi.baidu.com/'
    }
    res = requests.post(url, data=data, headers=headers)
    # 拿到返回的数据后，提取我们需要的数据
    data = res.json()['data']
    mean = data[0]['v']
    return mean

5.整合

各个小部分的功能都做好了，现在就整合在一起了。

一些小细节问题
1、当需要翻译的单词非原型的时候，可能无法进行翻译。因为该请求没有翻译的数据。
2、为了避免频繁请求而被限制，添加时间间隔。
3、为了让某人更简单的操作，一键直接获取当前目录的所有docx文件并进行翻译。

from docx import Document
import requests
from time import sleep
from random import randint
import os


def translate(word):
    url = 'https://fanyi.baidu.com/sug'
    datas = {
        'kw': word
    }
    headers = {
        'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36',
        'Referer': 'http://fanyi.baidu.com/'
    }
    try:
        res = requests.post(url, data=datas, headers=headers)
        mid = res.json()['data']
        # 若果获取的数据为空，说明该词非原型
        if not mid:
            res = requests.post(url, data={
                'kw': word[:-1]  # 去掉复数s
            }, headers=headers)
            mid = res.json()['data']
        key = mid[0]['k']
        mean = mid[0]['v']
        return mean
    except:
        print('↑ 该词可能非原型，暂不支持翻译')
        return '   '


def docx_(path):
    cnt = 0
    doc = Document(path)
    for paragraph in doc.paragraphs:
        for style in paragraph.runs:
            if style.underline:
                if cnt % 10 == 0:
                    sleep(randint(3, 6))
                print(style.text)
                res = translate(style.text.strip())
                cnt += 1
                style.text += '( ' + res + ')'
    doc.save(path)


if __name__ == '__main__':
    print('仅支持docx文件')
    for f in os.listdir(os.getcwd()):
        if '.docx' in f:
            print(f)
            try:
                docx_(f)
                input('翻译完成，请打开文档查看！')
            except:
                input('文件错误！')
        else:
            input('没有word文档')

6.补充

  • os.listdir() 列出当前路径下的所有文件
  • os.getcwd() 获取当前路径

7.打包

打开命令行窗口，输入命令pyinstaller -F -i test.ico word.py

总结

使用了python-docx的库，完成了对文档的翻译。总体上可以，但存在一些不足。一是写代码的效率低下，二是阅读开发文档不够精准有效。

? 为什么不支持doc格式的文档
docx是开放格式。他本质上是一个zip文件，你可以用解压缩软件把它解压缩成一个目录的，下面包括好几个目录，内置图片什么都在相应的目录下。而正文内容则是用XML去存储的，所以要用python去解析是相对容易的。
doc是早一代的文件，是封闭的，一般类似openoffice或者wps这种同类软件会去反破译格式然后支持，而且也不能保证完美支持。这个难度的确比docx要高许多的。
copy自知乎