html 文本如何只翻译文本而不翻译 html 标签

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 1975 天前的主题，其中的信息可能已经有所发展或是发生改变。

有一些文本, 内容大概就是这样的

如何才能只把标签内的内容翻译成中文而不影响 html 标签呢

(我用百度直接翻译总是把一部分标签也一起翻译了 = =

11 条回复 • 2019-08-17 18:39:17 +08:00

singerll

2019-07-27 11:15:19 +08:00 via Android

文本过滤？

cccy0

2019-07-27 11:21:15 +08:00

@singerll #1 html 标签需要保留的, 不只是把文本提取出来

otakustay

2019-07-27 11:23:08 +08:00

用 HTML Parser，然后只翻译 Text Node

otakustay

2019-07-27 11:24:11 +08:00

不过代价是有时候一句话是放在 2 个标签里的，就会失去翻译的上下文
<p>This man is <em>colored</em></p>
十有八九会变成：这个人是有颜色的

这时候就需要 HTML 标签语义性来辅助判断怎么样算是一句话了，然而 99%的站点是不具备标签语义性的

andong777

2019-07-27 11:27:06 +08:00

我觉得应该有一些 parser 可以满足你的需求，以前搞过类似的。

Mohanson

2019-07-27 11:37:06 +08:00 via Android

估计楼主是想采集国外站然后谷歌翻译成中文祸害国内网络环境…

delectate

2019-07-27 11:46:20 +08:00

@Mohanson 一语中的。

其实很简单，就是用正则去掉 html 标签，看：python 过滤 HTML 标签 https://tushare.pro/document/1?doc_id=91

DovaKeen

2019-07-27 11:53:07 +08:00

@Mohanson 我记得搜索一些问题时候，会搜到某某云的论坛，里面的内容就是直接机翻 stackoverflow 的

cccy0

2019-07-27 17:17:35 +08:00

@otakustay #3
@andong777 #5
好的准备采用这种方法了= =

cccy0

2019-07-27 17:18:37 +08:00

@Mohanson #6
@delectate #7
@DovaKeen #8
不是, 是项目需要, 采集国外数据进行分析

heiheidewo

2019-08-17 18:39:17 +08:00

哈哈，腾讯云就是这么干的，权重没它的高，其他人没法搞