苦于英语不佳,对现成工具不满意(特殊情况下复制文本后拼接困难),故自己简单造了个小轮子。 一个翻译源感觉够用了,加翻译源再说吧...
翻译逆向参考:https://github.com/ybsdegit/JS_reverse_translate
2023年1月16日更新 去huggingface找了一个翻译模型,辅助翻译还是够用的
2023年1月17日新增PdfToPdfWithoutImg来处理pdf,暂时未见cid的情况,使用方法参考main.py(参考项目EasyTrans的处理方法)
python>=3.6
pip install -r requirements.txt
具体使用方法参考main.py中说明
if __name__ == '__main__':
baiduTranslate = BaiduTranslateJS()
# baiduTranslate = BaiduSelenium()
translaExe = Translator(baiduTranslate)
mdGenerated = MdFileGenerater(r"文件夹路径") # 根据传入的dirpath路径,检索文件夹下的pdf生成标题带链接的md文档
translaExe.translateEnToCnWithDirFromPDF(r"文件夹路径") # 翻译文件,根据开头#或者空行进行分段,输出至同路径下一个带时间戳的md文档
鉴于逆向的翻译api在翻译文本数量过多时容易触发风控,十分不稳定,我去huggingface找了一个翻译模型
环境基于windows 10
1、根据实际情况安装pytorch
2、命令行运行pip install -r requirements.txt
3、运行util/huggingface_hub_snapshot_download.py
文件下载模型数据到本地(这个方式下载快一些)。文件通常默认位于"C:\Users\xxx\.cache\huggingface\hub\models--Helsinki-NLP--opus-mt-en-zh\snapshots\***"
下
4、将上述路径填写至myModelPath
变量即可。或者移动至目标路径后填写至myModelPath
变量,或者也可以采取软链接的方式。
# 管理员模式打开cmd,输入下面命令。“\d”指生成的是文件夹的软链接
mklink /d "需要生成的软链接绝对路径" "C:\Users\xxx\.cache\huggingface\hub\models--Helsinki-NLP--opus-mt-en-zh\snapshots\4fb87f7104ee945399ea39e145fcbb957981b50a"
if __name__ == '__main__':
myModelPath = os.path.join(opusDirName, "opus_mt_en_zh") # 模型数据路径,自行修改
opusMtTranslate = OpusMtEn2Zh(myModelPath, max_length=512)
pdfToPdf = PdfToPdfWithoutImg(opusMtTranslate)
dirPath = r"文件夹路径"
mdGenerated = MdFileGenerater(dirPath)
pdfToPdf.transferPdfWithDir(dirPath)