本文详细介绍了如何使用Bing API进行文本翻译、获取多种翻译结果、语音转换等功能，并提供了Python实现代码及单元测试。适用于翻译需求与语音应用。
最近要整点自动翻译的东东，发现最亲民的Google的翻译API关闭了。那么摆在码农的面前大概也只有2条路，
一是，直接使用web版本的的google翻译，然后分析URL，和结果得到翻译结果。然后直接调用，网上好像已经有兄弟们这样干了。
二是，投奔微软的阵营，使用Bing的API，
由于我要翻译的东东好像在bing这儿的翻译效果还可以，另外也训练一下自己的Python能力，做点开源的事情。打算写个Python使用Bing的API代码测试一下。
Bing的翻译API也不是绝对免费，每个月可以翻译2M的字符的数据。这个当然不多，但一般人也够用了。（纯文本的圣经4M多）。超出后如果要再使用也必须付费，
费用好像是2M 40美刀。
另外Bing的API有一些有特色的地方，比如你可以在里面增加一些自己的翻译，帮助修正你的翻译结果，另外其还有语音能力。可以将你输入的语音转换为wav或者mp3文件。上流。
网上有些兄弟写过Bing的API，但是大部分是是对于V1的版本的，V2版本改了验证方式
现在微软已经使用了新的验证方式，使用APPID的方法已经玩不转了。每次使用前必须用一个access token的东东，你必须自己申请一个ClientID和Client密码。有兴趣了解详情的请参考
http://blogs.msdn.com/b/translation/p/gettingstarted1.aspx
http://api.microsofttranslator.com
Bing的API有3种调用接口，Ajax，SOAP，HTTP。我用Python搞，估计HTTP的方式更加合适我一点。我的只实现了部分接口，
我实现的Bing 翻译V2的接口包括，翻译，得到翻译候选列表，（一次翻译多个语句）设置翻译内容，得到语音等几个，其他的感觉有点多余，未必用得到。
如果没有token或者Token超时，会自己重新去获取Token，使用起来也比较简单。
还是多说无益，上代码，注释应该足够丰富，大家肯定看的明白。
- # coding=utf-8
- '''''
- 网上有些兄弟写过，但是大部分是是对于V1的版本的，V2版本改了验证方式
- 现在微软已经使用了新的验证方式，使用APPID的方法已经玩不转了。必须用一个access token的东东
- 清参考
- http://blogs.msdn.com/b/translation/p/gettingstarted1.aspx
- http://api.microsofttranslator.com
- '''
- import urllib
- import urllib2
- import json
- import time
- import unittest
- import xml.etree.ElementTree
- class Get_Translate_Data(object):
- '''''
- Get Translate 操作取回的数据的，解析后的得到的数据字段，
- '''
- def __init__(self):
- # #翻译结果匹配程度
- self._match_degree = 0
- # #翻译结果被用户选择的次数
- self._selected_count = 0
- # #翻译结果可以认可的比率，MS自己有一套规则，自己上参考网址看
- self._rating = 0
- # #返回的结果
- self._translated_text = ""
- def __str__(self):
- return ("match_degree:%s selected_count:%s rating:%s translated_text:%s")\
- % (self._match_degree, self._selected_count, self._rating, self._translated_text)
- class Bing_Translator_API(object):
- '''''
- 此工具用于使用bing的翻译API，让你快速的得到翻译的结果
- 我是按照2012年12月22日看到的API V2的要求实现的，
- 实现的Bing 翻译V2的接口包括，翻译，得到翻译候选列表，（一次翻译多个语句）设置翻译内容，得到语音，
- '''
- # 最大请求的字符长度，微软的要求
- REQ_STR_MAX_LEN = 10000
- # add trascation 增加翻译的原文最大长度
- ADD_ORIGINALTEXT_LEN = 1000
- # add trascation 增加翻译的翻译文字长度
- ADD_TRANSLATEDTEXT_LEN = 2000
- # SPEEK string的最大值
- SPEAK_STRING_LEN = 2000
- # 最大返回的结果个数
- RSP_RESULT_MAX_NUMBER = 10
- # 取得acess token的两个参数，常量
- ACCESS_TOKEN_REQ_SCOPE = "http://api.microsofttranslator.com"
- ACCESS_TOKEN_REQ_GRANT_TYPE = "client_credentials"
- # POST取得ACESS TOKEN的URL
- ACCESS_TOKEN_REQ_URL = "https://datamarket.accesscontrol.windows.net/v2/OAuth2-13"
- # GET方法得到翻译的结果，只得到一个结果，估计这个最常用
- TRANSLATE_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/Translate"
- # POST取得翻译结果的结果的URL,这个是一次可以取回多个翻译结果
- GET_TRANSLATE_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/GetTranslations"
- # 检测语句的语言
- DETECT_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/Detect"
- # 增加翻译的URL
- ADD_TRANSLATION_URL = "http://api.microsofttranslator.com/V2/Http.svc/AddTranslation"
- # 发音的请求
- SPEAK_REQ_URL = "http://api.microsofttranslator.com/V2/Http.svc/Speak"
- # LC=language code,常用的几个都写在这儿，免得你还要查询
- LC_CHINESE_SIMPLIFIED = "zh-CHS"
- LC_CHINESE_TRADITIONAL = "zh-CHT"
- LC_ENGLISH = "en"
- LC_JAPANESE = "ja"
- LC_KOREAN = "ko"
- LC_FRENCH = "fr"
- LC_GERMAN = "de"
- def __init__ (self, client_id, client_secret, proxy_conf=None):
- '''''
- @param client_id 客户端ID，你在MS网址注册得到的ID
- @param client_secret 客户端密钥
- @param proxy_conf 代理配置,默认None，不配置,如果配置http，https都要写，
- 比如{'http': 'http://proxy.a.com:8080/','https': 'http://proxy.a.com:8080/'},折腾了我一个下午
- '''
- # 你请求获得acess token的两个参数，客户端ID，和一个验证密码
- self._client_id = client_id
- self._client_secret = client_secret
- self._token_opener = None
- self._api_opener = None
- # 如果有代理，配置代理
- if proxy_conf == None :
- self._token_opener = urllib2.build_opener()
- self._api_opener = urllib2.build_opener()
- else:
- self._token_opener = urllib2.build_opener(urllib2.ProxyHandler(proxy_conf), urllib2.HTTPSHandler())
- self._api_opener = urllib2.build_opener(urllib2.ProxyHandler(proxy_conf), urllib2.HTTPHandler())
- self._access_token = ""
- self._expires_time = 0
- def __get_acess_token(self, retry_num=3):
- '''''
- @brief 得到访问的access token，如果已经有了token，而且没有超时，就不继续使用原有的token
- @retry_num 重试的次数
- '''
- # 检查超时与否，如果没有超时，什么都不做
- if (time.time() - 10 < self._expires_time):
- return 0
- post_data = urllib.urlencode({'client_id':self._client_id, \
- 'client_secret':self._client_secret, \
- 'scope':Bing_Translator_API.ACCESS_TOKEN_REQ_SCOPE,
- 'grant_type':Bing_Translator_API.ACCESS_TOKEN_REQ_GRANT_TYPE })
- retry_count = 0
- resp_data = None
- # 进行N词重试
- while (retry_count < retry_num) :
- try :
- resp_data = self._token_opener.open(fullurl=Bing_Translator_API.ACCESS_TOKEN_REQ_URL, \
- data=post_data, \
- timeout=10)
- except Exception, e:
- retry_count += 1
- self._token_opener.close()
- print str(e), Bing_Translator_API.ACCESS_TOKEN_REQ_URL, retry_count
- continue
- break
- self._token_opener.close()
- if (retry_count == retry_num):
- return -1
- str_data = unicode(resp_data.read())
- # 分析json得到数据和超时时间，
- token_data = json.loads(str_data)
- # 注意，不要解码，我画蛇添足的搞了1个小时才发现这个错误
- self._access_token = token_data["access_token"]
- self._expires_time = time.time() + int(token_data["expires_in"])
- return 0
- def translate(self, from_language, to_language , want_translate, content_type="text/plain", category="general", retry_num=3):
- '''''
- @brief 得到翻译,只有一个翻译结果，作为返回值返回,
- @notice 这个方法使用的是GET 请求
- @param from_language 翻译的语言，参考前面的LC_XXX定义
- @param to_language
- @param want_translate 要翻译的的文本信息，必须用UTF8的编码，
- @param content_type "text/plain" 或者"text/html"
- @param category 分类，估计可以提高翻译的准确度，但MS也没有告知我们可以填写啥，默认"general"
- @return 一个元组，第一个数值是int,==0表示成功，第二个是成功后翻译的语句，
- '''
- ret_text = ""
- if (len(want_translate) > Bing_Translator_API.REQ_STR_MAX_LEN):
- return (-1, ret_text)
- # 检查token还是否有效，以及是否需要重新获取
- ret = self.__get_acess_token(retry_num)
- if (ret != 0):
- return (ret, ret_text)
- # print self._api_opener.addheaders
- # 得到请求的URL
- url_all = Bing_Translator_API.TRANSLATE_REQ_URL + "?" + urllib.urlencode({'text':want_translate, \
- 'from':from_language, \
- 'to':to_language, \
- 'contentType':content_type, \
- 'category':category })
- url_req = urllib2.Request(url=url_all)
- url_req.add_header('Authorization', 'bearer ' + self._access_token)
- retry_count = 0
- resp_data = None
- # 进行N次重试
- while (retry_count < retry_num) :
- try :
- resp_data = self._token_opener.open(url_req, timeout=10)
- except Exception, e:
- retry_count += 1
- print str(e), url_req, retry_count
- continue
- else:
- break
- finally:
- self._token_opener.close()
- if (retry_count == retry_num):
- return (-1, ret_text)
- # 解析XML结果得到数据
- xml_str = resp_data.read()
- tag = xml.etree.ElementTree.fromstring(xml_str)
- ret_text = tag.text
- return (0, ret_text)
- def get_translate(self, from_language, to_language , want_translate, result_list, \
- content_type="text/plain", category="general", user="", uri="", retry_num=3):
- '''''
- @brief 得到翻译,可能有多个翻译的结果返回，返回的是一个列表，
- @notice 这个方法使用的是GET 请求
- @param result_list 返回参数，返回的翻译list的Get_Translator_Data
- @param user 用户名称，默认为"",如果对翻译效果不满意，可以改为all
- @param uri URI
- @param 其他参数同translate函数,不多解释
- @return 返回0表示成功，其他表示失败
- '''
- if (len(want_translate) > Bing_Translator_API.REQ_STR_MAX_LEN):
- return -1
- # 检查token还是否有效，以及是否需要重新获取
- ret = self.__get_acess_token(retry_num)
- if (ret != 0):
- return ret
- # 得到请求的URL
- url_all = Bing_Translator_API.GET_TRANSLATE_REQ_URL + "?" + urllib.urlencode({'text':want_translate, \
- 'from':from_language, \
- 'to':to_language, \
- 'maxTranslations':Bing_Translator_API.RSP_RESULT_MAX_NUMBER })
- # 其实不发送下面Post数据也可以发送请求(发送参数="",不能不写，否则是GET请求)，也可以得到结果，我测试过。增加下面这段反而又让我调试了半天
- # Post 请求的参数，里面的State是一个事务ID，请求带过去，返回的结果，MS给你带回来，你要希望使用，自己改造
- # 这样的到的翻译很多，但效果感觉比较糟糕，估计有些是用户添加的，如果你不喜欢，可以在User的值改为all
- post_data = "<TranslateOptions xmlns=\"http://schemas.datacontract.org/2004/07/Microsoft.MT.Web.Service.V2\">"\
- "<Category>%s</Category>"\
- "<ContentType>%s</ContentType>"\
- "<ReservedFlags></ReservedFlags>"\
- "<State>20121221</State>"\
- "<Uri>%s</Uri>"\
- "<User>%s</User>"\
- "</TranslateOptions>" % (category, content_type, uri, user)
- url_req = urllib2.Request(url=url_all, data=post_data)
- url_req.add_header('Authorization', 'bearer ' + self._access_token)
- # 如果要加post数据，这行必须加，否返回500的错误，看了半天C#的例子
- url_req.add_header('Content-Type', 'text/xml')
- retry_count = 0
- resp_data = None
- # 进行N次重试
- while (retry_count < retry_num) :
- try :
- resp_data = self._token_opener.open(url_req, timeout=10)
- except Exception, e:
- retry_count += 1
- print str(e), url_req, retry_count
- continue
- else:
- break
- finally:
- self._token_opener.close()
- if (retry_count == retry_num):
- return -1
- # 倒霉的XML namespace，麻烦死了
- MS_GETTRNS_NAMESPACES = "http://schemas.datacontract.org/2004/07/Microsoft.MT.Web.Service.V2"
- xml_str = resp_data.read()
- tag = xml.etree.ElementTree.fromstring(xml_str)
- # 前面非要家那个.//，而且还必须有那个XML的名字空间{http://schemas.datacontract.org/2004/07/Microsoft.MT.Web.Service.V2}
- tans_list = tag.findall(".//{%s}TranslationMatch" % MS_GETTRNS_NAMESPACES)
- for tag_item in tans_list:
- trans_data = Get_Translate_Data()
- for iter_item in tag_item.iter():
- if iter_item.tag == "{%s}Count" % MS_GETTRNS_NAMESPACES:
- trans_data._selected_count = int(iter_item.text)
- if iter_item.tag == "{%s}MatchDegree" % MS_GETTRNS_NAMESPACES:
- trans_data._match_degree = int(iter_item.text)
- if iter_item.tag == "{%s}Rating" % MS_GETTRNS_NAMESPACES:
- trans_data._rating = int(iter_item.text)
- if iter_item.tag == "{%s}TranslatedText" % MS_GETTRNS_NAMESPACES:
- trans_data._translated_text = iter_item.text
- # print trans_data
- result_list.append(trans_data)
- return 0
- def detect(self, detect_text, retry_num=3):
- '''''
- @brief 检查语句的语言
- @notice 这个方法使用的是GET 请求
- @param detect_text 检测的语句，必须用UTF8的编码，
- @return 一个元组，第一个数值是int,==0表示成功，否则表示失败，第二个是成功后返回语言的标识，如果失败，返回''
- '''
- ret_text = ""
- if (len(detect_text) > Bing_Translator_API.REQ_STR_MAX_LEN):
- return (-1, ret_text)
- # 检查token还是否有效，以及是否需要重新获取
- ret = self.__get_acess_token(retry_num)
- if (ret != 0):
- return (ret, ret_text)
- # print self._api_opener.addheaders
- # 得到请求的URL
- url_all = Bing_Translator_API.DETECT_REQ_URL + "?" + urllib.urlencode({'text':detect_text})
- url_req = urllib2.Request(url=url_all)
- url_req.add_header('Authorization', 'bearer ' + self._access_token)
- retry_count = 0
- resp_data = None
- # 进行N次重试
- while (retry_count < retry_num) :
- try :
- resp_data = self._token_opener.open(url_req, timeout=10)
- except Exception, e:
- retry_count += 1
- print str(e), url_req, retry_count
- continue
- else:
- break
- finally:
- self._token_opener.close()
- if (retry_count == retry_num):
- return (-1, ret_text)
- # 解析XML结果得到数据
- xml_str = resp_data.read()
- tag = xml.etree.ElementTree.fromstring(xml_str)
- ret_text = tag.text
- return (0, ret_text)
- def add_translation(self, original_text, translated_text, from_language, to_language, user, \
- rating=1, content_type="text/plain", category="general", uri="", retry_num=3):
- '''''
- @brief 增加翻译内容，用于改善后面的翻译
- @notice 这个方法使用的是GET 请求
- @param original_text 原文
- @param translated_text 已经翻译的原文
- @param from_language
- @param to_language
- @param usr 用户名称,估计在get的时候会有一些作用
- @param rating -10~10
- @param content_type "text/plain" 或者"text/html"
- @param category 分类，估计可以提高翻译的准确度，但MS也没有告知我们可以填写啥，默认"general"
- @param uri
- @param retry_num 重试次数
- @return 返回0表示成功，其他表示失败
- '''
- if (len(original_text) > Bing_Translator_API.ADD_ORIGINALTEXT_LEN):
- return -1
- if (len(translated_text) > Bing_Translator_API.ADD_TRANSLATEDTEXT_LEN):
- return -1
- # 检查token还是否有效，以及是否需要重新获取
- ret = self.__get_acess_token(retry_num)
- if (ret != 0):
- return (ret, ret_text)
- # print self._api_opener.addheaders
- # 得到请求的URL
- url_all = Bing_Translator_API.ADD_TRANSLATION_URL + "?" + urllib.urlencode({'originalText':original_text, \
- 'translatedText':translated_text, \
- 'from':from_language, \
- 'to':to_language, \
- 'rating':rating, \
- 'contentType':content_type, \
- 'category':category, \
- 'user':user,
- 'uri':uri })
- url_req = urllib2.Request(url=url_all)
- url_req.add_header('Authorization', 'bearer ' + self._access_token)
- retry_count = 0
- resp_data = None
- # 进行N次重试
- while (retry_count < retry_num) :
- try :
- resp_data = self._token_opener.open(url_req, timeout=10)
- except Exception, e:
- retry_count += 1
- print str(e), url_req, retry_count
- continue
- else:
- break
- finally:
- self._token_opener.close()
- if (retry_count == retry_num):
- return -1
- return 0
- def speak(self, speak_text, language, format="audio/wav", options="MinSize", retry_num=3):
- '''''
- @brief 得到翻译,可能有多个翻译的结果返回，返回的是一个列表，
- @notice 这个方法使用的是GET 请求
- @param speak_text
- @param language 语言
- @param format 为 audio/wav 或者 audio/mp3
- @param options 为“MaxQuality” 或者 "MinSize"
- @return 返回0表示成功，其他表示失败
- '''
- if (len(speak_text) > Bing_Translator_API.SPEAK_STRING_LEN):
- return -1
- # 检查token还是否有效，以及是否需要重新获取
- ret = self.__get_acess_token(retry_num)
- if (ret != 0):
- return ret
- ret_speak = ""
- # 得到请求的URL
- url_all = Bing_Translator_API.SPEAK_REQ_URL + "?" + urllib.urlencode({'text':speak_text, \
- 'language':language, \
- 'format':format, \
- 'options':options })
- url_req = urllib2.Request(url=url_all)
- url_req.add_header('Authorization', 'bearer ' + self._access_token)
- retry_count = 0
- resp_data = None
- # 进行N次重试
- while (retry_count < retry_num) :
- try :
- resp_data = self._token_opener.open(url_req, timeout=10)
- except Exception, e:
- retry_count += 1
- print str(e), url_req, retry_count
- continue
- else:
- break
- finally:
- self._token_opener.close()
- if (retry_count == retry_num):
- return (-1, ret_speak)
- # 解析XML结果得到数据
- ret_speak = resp_data.read()
- return (0, ret_speak)
- #单元测试，单元测试
- class Test_Bing_Translator_API(unittest.TestCase):
- def setUp(self):
- # self._test_api = Bing_Translator_API(client_id="你的客户端ID",\
- # client_secret="你的客户端密钥")
- self._test_api = Bing_Translator_API(client_id="你的客户端ID", \
- client_secret="你的客户端密钥", \
- proxy_conf={'http': '你的代理服务器:端口/', 'https': '你的代理服务器:端口'})
- def test_translate(self):
- ret, trans_str = self._test_api.translate(Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \
- Bing_Translator_API.LC_ENGLISH, \
- "中华人民共和国");
- print ret , trans_str
- test_string = "中华人民共和国"
- test_gb2312 = test_string.encode('gb2312')
- # 这个地方翻译会错误，所以编码不能用GB2312这类编码
- ret, trans_str = self._test_api.translate(Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \
- Bing_Translator_API.LC_ENGLISH, \
- test_gb2312);
- print ret , trans_str
- def test_get_translate(self):
- result_list = []
- ret = self._test_api.get_translate(Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \
- Bing_Translator_API.LC_ENGLISH, \
- "中华人民共和国",
- result_list);
- for trans_data in result_list :
- print trans_data
- result_list = []
- ret = self._test_api.get_translate(Bing_Translator_API.LC_ENGLISH, \
- Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \
- "to",
- result_list);
- for trans_data in result_list :
- print trans_data
- def test_detect(self):
- ret, detect_lan = self._test_api.detect("中华人民共和国")
- print ret, detect_lan
- ret, detect_lan = self._test_api.detect("made in china")
- print ret, detect_lan
- def test_add_translation(self):
- ret = self._test_api.add_translation(original_text="china", \
- translated_text="瓷器", \
- from_language=Bing_Translator_API.LC_ENGLISH, \
- to_language=Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \
- user="fullsail")
- print ret
- result_list = []
- ret = self._test_api.get_translate(Bing_Translator_API.LC_ENGLISH, \
- Bing_Translator_API.LC_CHINESE_SIMPLIFIED, \
- "china",
- result_list,
- user="fullsail");
- for trans_data in result_list :
- print trans_data
- def test_speek(self):
- ret, ret_speak = self._test_api.speak(speak_text="人一走，茶就凉，是自然规律；人没走，茶就凉，是世态炎凉。一杯茶，佛门看到的是禅，道家看到的是气，儒家看到的是礼，商家看到的是利。茶说：我就是一杯水，给你的只是你的想像，你想什么，什么就是你。心即茶，茶即心。", \
- language=Bing_Translator_API.LC_CHINESE_SIMPLIFIED);
- file_hdl = open("D:\\123.wav", "wb+")
- file_hdl.write(ret_speak)
- file_hdl.close()
- if __name__ == '__main__':
- unittest.main()
最早看python应该是8年前了，但直到最近2个月才使用，计算机是实践科学，看了不用，等于浪费，没有任何效果 这次算是一个小小的进步。
扫一扫
4171
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
