目录 操作过程中不断遇到新的问题，思路的转换过程背景第一天 操作过程第二天正则表达式是个好东西 第三天第四天第五天遇到的小问题
操作过程中不断遇到新的问题，思路的转换过程 背景
今天接到一个任务，需要将EXCEL文件中的中文翻译成英文，由于表格内容非常大，我想着 这要是手动翻译，三天啥都不用干了，就翻译这个吧
于是有了用python批量翻译的想法
目前的思路是，将excel中每个单元的内容拿出来，放在一个列表中，然后用翻译软件翻译再批量存入新的表格（应该可以用API接口，将所有单元内容依次拿出、翻译、存入，这个还没学会。。。）
参考文章：pandas操作
1.发现一个问题，google翻译有字数上限。。。一次最多5000字符
于是想到分几步粘贴，需要翻译的表格差不多两万多。自己多动几次手就好了。
好，终于翻译完了，开始运行
新问题来了，谷歌在翻译的大段字符的时候，把有的引号 ‘’ 给吞了，这就造成了列表中间的元素发生了紊乱，这个就比较麻烦了，刚开始尝试手动修改，把吞掉的引号给他补上，手动操作5分钟之后，我放弃了，这尼玛也太坑了。就在我准备砸电脑放弃的时候，突然灵光一闪，想到可以用正则表达式批量计算啊，简直不要太机智
正则表达式常见操作
先导入所有翻译好的数据
在编译器的提示下，可以很明显地看出出现错误的地方（白色就代表出错了），英文里面所有格 's中会带来引号，与列表中的引号发生了冲突，于是想到用正则把其他的引号改为双引号，
然后把开头和结尾的单引号也改为双引号，但依然提示错误。。。发现是由于数字不是字符串没有引号，没有被正则匹配上，于是又回去修改代码，把int和float型加上引号，再接着运行，发现还是有错误，中间有些空白字符被吞了，就导致后面的整个秩序对不上，导入到表格中发生错位。。。最后就放弃用正则修改了。。。
既然批量提取，翻译之后再批量导入的方法行不通，就只能试一试之前想到的API了，提取一个，翻译一个，这样就不会错位了，说干就干，百度了一个方法，代码如下
#利用translate模块，但有两个缺点，一个是限制翻译数量，每天就能翻译1000个词#再一个是只能由英文翻译成中文，比较瓜import pandas as pdfrom translate import Translatorpath = r'C:UsershaoDesktop批量翻译源文件test_db1.xlsx'df = pd.read_excel(path, header=None)#content_1, content_2, content_2, content_2, for i in range(len(df[0])): #df[0]表示提取第一列for j in range(len(df.iloc[0])): #df.iloc[0]表示提取第一行#print(str(df.iloc[i,j]))translator = Translator(to_lang="zh")translation = translator.translate(df.iloc[i,j])print(translation)df.iloc[i,j] = translationdf.to_excel(r'C:UsershaoDesktop批量翻译结果EtoC.xlsx', index=False) 第四天既然谷歌提供的API只让翻译1000个词，我就在翻译界面看了一下页面源码
发现，源码上有直接的翻译结果的，那我干脆自己直接用爬虫抓取得了，还要他的API干嘛，talk is cheap，show me the code
最后发现谷歌翻译是可以支持直接翻译文件的，输入导出就可以了，so easy,只是得到的格式比较乱，只需要自己重新调整一下格式就好了
#利用谷歌翻译后的结果，进行格式的转换import pandas as pdpath = r'C:UsershaoDesktop批量翻译格式待调整两广入户调查问卷.xlsx'df = pd.read_excel(path, header=None)contents = []#content_1, content_2, content_2, content_2, for i in range(len(df[0])): #df[0]表示提取第一列for j in range(len(df.iloc[0])): #df.iloc[0]表示提取第一行#for j in range(81,85): #df.iloc[0]表示提取第一行print(str(df.iloc[i,j]))if str(df.iloc[i,j]) == 'nan':content = '{}'.format(df.iloc[i,j])print(content)contents.append(content)elif (str(type(df.iloc[i,j])) == "<class 'int'>") or (str(type(df.iloc[i,j])) == "<class 'float'>"):content = '{}'.format(df.iloc[i,j])print(content)contents.append(content)else:content = df.iloc[i,j]#print('第{}行第{}列元素：%s'.format(i, j)%content)contents.append(content)print('行和列的长度：%d,%d'%(len(df[0]), len(df.iloc[0])))print(contents)#df.to_excel(r'C:UsershaoDesktoptest_db3.xlsx', index=False)count_number = 0 for i in range(len(df[0])): #df[0]表示提取第一列for j in range(len(df.iloc[0])): #df.iloc[0]表示提取第一行#for j in range(81,85): #df.iloc[0]表示提取第一行# if j == 0:# df.iloc[i,j] = new_contents[]df.iloc[i,j] = contents[count_number]count_number += 1#print('第{}行第{}列元素：%s'.format(i, j)%content)print(df)df.to_excel(r'C:UsershaoDesktop批量翻译结果Guangdong-Guangdong-Home Survey.xlsx', index=False, header=0) 遇到的小问题1.需要隐去表头索引，header=None 不然读取的时候会遇到问题
df = pd.read_excel(path, header=None)存储的时候需要重新定义header，不然系统会自动加入数字的表头，另一个需要注意的是：要把索引给隐去， index=False
df.to_excel(r'C:UsershaoDesktoptest_db3.xlsx', index=False, header=0)2.行和列弄混了，之前是这样的，如下
for i in range(len(df.iloc[0])): #df.iloc[0]表示读取第0行for j in range(len(df[0])): #df[0]读取第0列实际上应该是读取的第一行当做列，读取的第一列当做行，/笑 正确代码如下
for i in range(len(df[0])):for j in range(len(df.iloc[0])):3.为了检测行和列的运行值，进行了附带解释的打印，但之前没有同时打印过两个变量，出现了小错误，如下
print('行和列的长度：%d%d'%len(df[0])%len(df.iloc[0])) >>>TypeError: not enough arguments for format string for i in range(len(df[0])):for j in range(len(df.iloc[0])):快三大小单双买入法headers)#print(response)html = response.textprint(html)soup = BeautifulSoup(html, 'html.parser') #Beautiful Soup是python的一个库，最主要的功能是从网页抓取数据divs = soup.find_all(class_="tlid-translation translation")print(divs)# path = r'C:UsershaoDesktop批量翻译源文件东北住宅调研问卷.xlsx'# df = pd.read_excel(path, header=None)# #content_1, content_2, content_2, content_2, # for i in range(len(df[0])): #df[0]表示提取第一列# for j in range(len(df.iloc[0])): #df.iloc[0]表示提取第一行# #print(str(df.iloc[i,j]))# target = df.iloc[i,j]# Translatorbyreptile(target)# #df.iloc[i,j] = translation# #df.to_excel(r'C:UsershaoDesktop批量翻译结果EtoC.xlsx', index=False)Translatorbyreptile()'''最后发现谷歌翻译、百度翻译都应该是进行了反爬，得到的都是一大推乱码。。。。心累''' 第五天最后发现谷歌翻译是可以支持直接翻译文件的，输入导出就可以了，so easy,只是得到的格式比较乱，只需要自己重新调整一下格式就好了
#利用谷歌翻译后的结果，进行格式的转换import pandas as pdpath = r'C:UsershaoDesktop批量翻译格式待调整两广入户调查问卷.xlsx'df = pd.read_excel(path, header=None)contents = []#content_1, content_2, content_2, content_2, for i in range(len(df[0])): #df[0]表示提取第一列for j in range(len(df.iloc[0])): #df.iloc[0]表示提取第一行#for j in range(81,85): #df.iloc[0]表示提取第一行print(str(df.iloc[i,j]))if str(df.iloc[i,j]) == 'nan':content = '{}'.format(df.iloc[i,j])print(content)contents.append(content)elif (str(type(df.iloc[i,j])) == "<class 'int'>") or (str(type(df.iloc[i,j])) == "<class 'float'>"):content = '{}'.format(df.iloc[i,j])print(content)contents.append(content)else:content = df.iloc[i,j]#print('第{}行第{}列元素：%s'.format(i, j)%content)contents.append(content)print('行和列的长度：%d,%d'%(len(df[0]), len(df.iloc[0])))print(contents)#df.to_excel(r'C:UsershaoDesktoptest_db3.xlsx', index=False)count_number = 0 for i in range(len(df[0])): #df[0]表示提取第一列for j in range(len(df.iloc[0])): #df.iloc[0]表示提取第一行#for j in range(81,85): #df.iloc[0]表示提取第一行# if j == 0:# df.iloc[i,j] = new_contents[]df.iloc[i,j] = contents[count_number]count_number += 1#print('第{}行第{}列元素：%s'.format(i, j)%content)print(df)df.to_excel(r'C:UsershaoDesktop批量翻译结果Guangdong-Guangdong-Home Survey.xlsx', index=False, header=0) 遇到的小问题1.需要隐去表头索引，header=None 不然读取的时候会遇到问题
df = pd.read_excel(path, header=None)存储的时候需要重新定义header，不然系统会自动加入数字的表头，另一个需要注意的是：要把索引给隐去， index=False
df.to_excel(r'C:UsershaoDesktoptest_db3.xlsx', index=False, header=0)2.行和列弄混了，之前是这样的，如下
for i in range(len(df.iloc[0])): #df.iloc[0]表示读取第0行for j in range(len(df[0])): #df[0]读取第0列实际上应该是读取的第一行当做列，读取的第一列当做行，/笑 正确代码如下
for i in range(len(df[0])):for j in range(len(df.iloc[0])):3.为了检测行和列的运行值，进行了附带解释的打印，但之前没有同时打印过两个变量，出现了小错误，如下
print('行和列的长度：%d%d'%len(df[0])%len(df.iloc[0])) >>>TypeError: not enough arguments for format string for i in range(len(df[0])):for j in range(len(df.iloc[0])):