码迷,mamicode.com
首页 > 编程语言 > 详细

python爬虫(10)身边的翻译专家——获取有道翻译结果

时间:2017-05-12 01:39:15      阅读:304      评论:0      收藏:0      [点我收藏+]

标签:modify   return   from   ict   div   agent   ace   中英文   pat   

本文目的:使用python 实现翻译效果

思路:有道翻译可以直接翻译内容,观察它的网页内容以及URL可以发现,它的基本url 和将要翻译的内容组合起来就是最后翻译的页面

比如: 有道中英文翻译的网址是:http://dict.youdao.com/   

将要翻译的内容是: I‘m a Chinese

点击一下翻译,然后出现的含有翻译结果页面的地址是:  http://dict.youdao.com/w/eng/I‘m%20a%20chinese/#keyfrom=dict2.index

虽然这个网址后面跟了“#keyfrom=dict2.index” 但是不影响

 直接访问  http://dict.youdao.com/w/eng/I‘m%20a%20chinese   也能看到翻译结果

因此总体思路如下:

1.获取将要翻译的内容

2.将翻译的内容和有道翻译网址组成新的url

3.获取这个url的页面内容

4.根据这个页面内容获取翻译结果


代码如下:


#!/usr/bin/python  
#coding:utf-8  

import HTMLParser  
import urllib2  
import re
import sys  

reload(sys)  
sys.setdefaultencoding( "utf-8" )


class BaiduFanyi:
	def __init__(self,url):
		self.url=url
	
	def get_html_Pages(self,url):
		try: 
			headers = {‘User-Agent‘:‘Mozilla/5.0 (Windows NT 6.2; rv:16.0) Gecko/20100101 Firefox/16.0‘}
			#构建请求的request  
			request=urllib2.Request(url,headers=headers)  
			#利用urlopen获取页面代码  
			response=urllib2.urlopen(request)  
			#将页面转化为UTF-8编码格式  
			html=response.read().decode(‘utf-8‘)
			html=HTMLParser.HTMLParser().unescape(html)#处理网页内容, 可以将一些html类型的符号如" 转换回双引号		
			return html  
		#捕捉异常,防止程序直接死掉  
		except urllib2.URLError,e:
			print u"连接失败,错误原因",e.reason  
			return None  
		except urllib2.HTTPError,e:    
			print u"连接失败,错误原因:%s " % e.code    
			return None  

	def get_finally_result(self,html):
		result_pattern=re.compile(‘<div class="trans-container".*?<p>.*?<p>(.*?)</p>.*?</div>‘,re.S)
		result=re.search(result_pattern,html)
		
		trans_result= result.group(1)
		return trans_result
		
	def run(self):
		html=self.get_html_Pages(self.url)
		self.get_finally_result(html)
			
if __name__ == ‘__main__‘:  
	author_content=‘‘‘  
		*****************************************************
				welcome to spider of baidufanyi		
				     modify on 2017-05-11		    
				        @author: Jimy_Fengqi
	         	http://blog.csdn.net/qiqiyingse?viewmode=contents
		*****************************************************
		‘‘‘  
	print author_content
	keywords=raw_input(‘please input the sentence that need translate:‘)
	if not keywords:
		keywords="I‘m a Chinese"
	base_url=‘http://www.youdao.com/w/eng/%s‘ % (keywords)
	print base_url
	mybaidufanyi=BaiduFanyi(base_url)
	mybaidufanyi.run()


python爬虫(10)身边的翻译专家——获取有道翻译结果

标签:modify   return   from   ict   div   agent   ace   中英文   pat   

原文地址:http://blog.csdn.net/qiqiyingse/article/details/71640203

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!