# 論文翻譯-使用word斷句-中英文對照

結果比較圖


在PDF格式下，翻譯PDF複製的文件會有斷句不完整的問題

<!-- <img src="img/2022-04-18-03-04-59-image.png" title="" alt="" width="460"> -->
<!--  -->

使用word開啟論文PDF檔案可以解決此斷句問題。

<!-- <img src="img/2022-04-18-03-31-25-image.png" title="" alt="" width="457"> -->
<!--  -->

使用web 瀏覽模式，斷句自動處理，現在複製段落也有正確的斷句了

<!-- <img title="" src="img/2022-04-18-03-33-06-image.png" alt="" width="362" data-align="inline"> -->
<!--  -->

用Html格式儲存文件，開啟Html網頁檔案，使用google翻譯能夠正常的翻譯整份文件。

<!-- <img src="img/2022-04-18-03-37-28-image.png" title="" alt="" width="604"> -->
<!--  -->

但我的閱讀習慣是中文接續英文段落，因此換一個方法。

手動刪除word文件圖片,公式，避免影響翻譯後排版，再複製文字到文件檔上，命名paper.txt

<!--  -->

使用python 腳本逐行翻譯
`pip install googletrans` 安裝google 翻譯API

# trans.py
"""
先把要翻譯的文字列表壓縮(Pack),傳給API翻譯，將翻譯回來的文字解壓縮(unpack)，這個動作能加快翻譯速度。
"""
### Translate function
from sys import argv
from googletrans import Translator
t = Translator()
def translate(text):
    return t.translate( text, dest="zh-TW" ).text
### iterator paragraphs
def para_iter( content ):
    for i in content:
        yield i
def paragraphs_iter( content, text_lim = 3000 ):
    ps = []  # paragraphs list
    pl = 0   # paragraphs length
    for p in para_iter( content):
        ps.append(p)
        pl += len(p)
        if pl > text_lim:
            yield ps
            pl = 0
            ps = []
    if pl > 0:
        yield ps
        
### write file
def writefile( pl,csl , file):
    pl = [ e.strip() for e in pl if e.strip()!='']
    csl = [e.strip() for e in csl if e.strip() != '']
    assert len(pl) == len(csl) 
    for i,j in zip( pl, csl):
        line =  f"{i.strip()} ({j.strip()})\n\n" 
        file.write( line )
        print( line )

### 
def main():
    f = open( outfile, 'w')
    with open( infile, 'r') as contentFile:
        pls = list( paragraphs_iter( contentFile.readlines() ) )
    for pl in pls:
        csl = translate( "".join( pl ) ).split("\n")
        writefile(pl,csl,f)
        print(  "translate completed"  )
        sleep(2)
    f.close()
###

if __name__ == "__main__":
    from time import sleep
    from sys import argv
    infile =  "./paper.txt" if len(argv) < 2 else argv[1]
    outfile = "./translated.txt" if len(argv) <3 else argv[2]
    main()

執行腳本: `python trans.py`，程式會把段落(paragraph)打包成一個大段落，用google api來翻譯，翻譯完後的大段落解包回段落，對齊英文接續中文輸出。預設每二秒暫停一次，避免太過頻繁的請求而被Google鎖IP。打包段落翻譯較快。

最終結果:

<!-- <img src="img/2022-04-18-03-45-24-image.png" title="" alt="" width="387"> -->
<!--  -->

將文字檔案複製貼到喜歡的閱讀工具上(notion, hackmd, onenote, everynote),可以手機上面閱讀,或是列印紙本閱讀。