参考にさせていただいた記事はこちら。参考のコードも、ほとんどそのままです。
<Pythonでgoogletransを使って翻訳>
Googletrans: Free and Unlimited Google translate API for Python
google colab で python のパッケージ googletrans をインストールして、英語txtから英語と日本語txt（その他の場合も）に分かちする。
字幕ファイル（.srtや .sbv）などを google translate にアップロードして翻訳されたものを見ると、タイムコード部分やカウンタインデックスまでランダムに漢字になっていたり、コロン（:）が全角になっていたりします。
そういった部分は翻訳エスケープして、テクスト翻訳後本文に戻すという処理をする必要があります。言語によっては翻訳されて変になってしまうところが違います。例えば、フランス語にすると数字の前にスペースが置かれたりします。
APIを使って、送って値が戻ってくるという手続きで翻訳機能が使えたら、その文字置き換え処理はこちら側でプログラム可能なので、テキスト処理プログラムとかやったことなくても、聞いたことある正規表現で、それはなんとかなりそうですから、どうやんのかなぁと思っておりました。
腰が重かったんですが、なんとかなりそうなので、同様に今現在、気が重たい人に、「ちょっとこれでいけそうだよ、わかんないけどさ」、と右手を出す感じで、ここにメモを残します。
google colab で googletrans を実行すると、テキストをアップロードすると、翻訳されたものがダウンロードできるというイメージです。
こんなかんじ: youtube
google のクラウドコンピューターを使って実行するので、 python の実行環境は手元に必要ありません。（google colabではなくローカルのpythonの場合は、この記事の一番下にリンクしているとこ1をー参考にしてください。）
インストールするパッケージは tkk 修正パッチ（たぶん。未調査。）が適用されている、4.0.0-rc1 ではエラーにならなかった。
pip install googletrans でインストールされるバージョン 3.0.0 では
code = unicode(self.RE_TKK.search(r.text).group(1)).replace('var ', '')
AttributeError: 'NoneType' object has no attribute 'group'
というエラーになる。（2021.1.27時点です。）
この問題は Emacs の googletranlete プログラムでもしばしば問題になるのと同様でしょう。google translate のサービスのトークン仕様変更に追従して修正されていくという追いかけになりますから、暫定的に今使えている方法はこれということで、将来的には必ず変更があるので、最後にリンクを貼っている Issue を確認してください。そこにその時点で問題となっていることと、有志による解決法など tips が更新されているでしょうから。
google colab 上でバージョンを指定して修正された googletrans をインストールすれば OK 。もしバージョン指定していないパッケージをインストールしている場合は、アンインストールしてから、 google colab で、 googletrans をインストールします。
pip install googletrans==4.0.0-rc1
googletrans をインストールできたことを確認して、プログラムを実行します。
ipynb(ipython) <注意 このプログラムはうまくいきません。>
from google.colab import files
from googletrans import Translator
import sys
uploaded = files.upload()
filename = ''
for fn in uploaded.keys():
print('User uploaded file "{name}" with length {length} bytes'.format(
name=fn, length=len(uploaded[fn])))
filename = fn
#args= sys.argv
args= [('translate.py'),filename,'>','translated-jp.txt']
if len(args) < 2:
print('python3 translate.py textfile.txt > dist_textfile.txt')
else:
print('open '+args[1])
f = open(args[1])
lines = f.readlines()
f.close()
translator = Translator()
for line in lines:
translated = translator.translate(line, dest="ja");
print(line) # Original
print(translated.text) # translated
print()
print('EOF')
files.download(filename)
github gist(private):
google-colab_googletrans.py
ただ、やってみると問題があり、数時間使って検証してみると、翻訳するテクストに空白の行があると、IndexErorr: list index out of rangeになりました。
つまり、翻訳されるテクストが、
0:00:00.320,0:00:06.320
welcome all you super amazing hardware addicts
i am so excited to share this project with you
0:00:06.880,0:00:11.920
after we got that letter in from the listener
talking about how they put lineage os
0:00:11.920,0:00:17.840
on their fire hd tablet i just had to do
it and the kids have loved this change
このような場合、4 行目の空白行でつまづいて、エラーになります。
0:00:00.320,0:00:06.320
0：00：00.320,0：00：06.320
welcome all you super amazing hardware addicts
超素晴らしいハードウェア中毒者を歓迎します
i am so excited to share this project with you
このプロジェクトをあなたと共有できることをとてもうれしく思います
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-23-e8018cddf127> in <module>()
23 translator = Translator()
24 for line in lines:
---> 25 translated = translator.translate(line, dest="ja");
26 print(line) # Original
27 print(translated.text) # Japanese
1 frames
/usr/local/lib/python3.6/dist-packages/googletrans/client.py in <lambda>(part)
220 # not sure
221 should_spacing = parsed[1][0][0][3]
--> 222 translated_parts = list(map(lambda part: TranslatedPart(part[0], part[1] if len(part) >= 2 else []), parsed[1][0][0][5]))
223 translated = (' ' if should_spacing else '').join(map(lambda part: part.text, translated_parts))
224
IndexError: list index out of range
でも、こうして空白行を詰めてからアップロードすると
0:00:00.320,0:00:06.320
welcome all you super amazing hardware addicts
i am so excited to share this project with you
0:00:06.880,0:00:11.920
after we got that letter in from the listener
talking about how they put lineage os
0:00:11.920,0:00:17.840
on their fire hd tablet i just had to do
it and the kids have loved this change
エラーにならないという、なんともシンプルな問題なので、いずれ改善されるような気がします。
translatedについてはこのように定義されています。
class
googletrans.models.Translated(src, dest, origin, text, pronunciation, extra_data=None, **kwargs)
Translate result object
Parameters:
src– source language (default: auto)
dest– destination language (default: en)
origin– original text
text– translated text
pronunciation– pronunciation
（追記）改善。 2021-01-28
改行 '\n' と空白 ' ' を取り除く処理はまったく googletrans の問題ではないので、 googletrans に渡す list に改行と空白を含まないように改善しました。
ipynb(ipython)
pip install googletrans==4.0.0-rc1
translate.ipynb <このプログラムはいけそう。>
from google.colab import files
from googletrans import Translator
import sys
uploaded = files.upload()
filename = ''
for fn in uploaded.keys():
print('User uploaded file "{name}" with length {length} bytes'.format(
name=fn, length=len(uploaded[fn])))
filename = fn
#args= sys.argv
args = [('translate.py'),filename]
if len(args) < 2:
print('python3 translate.py textfile.txt dist_textfile.txt.')
else:
print('open '+args[1])
with open(args[1]) as f:
line = f.readlines()
f.close()
line[:] = [l.strip() for l in line]
line[:] = [l.rstrip('\n') for l in line]
line[:] = [l.rstrip('\r') for l in line]
line[:] = [a for a in line if a != '']
line[:] = [l.replace('\n',' ') for l in line]
##print(line)
translator = Translator()
num = 20
#obj_num = 1
filename = 'translated.txt'
backup_stdout = sys.stdout
with open(filename,'w') as f:
sys.stdout = f # stdout to file
for count, l in enumerate(line):
if count +1< num:
translated = translator.translate(l, dest='ja')
print(count+1,' ', l) # original text
print(count+1,' ', translated.text)
else:
translated = translator.translate(l, dest='ja')
print(count+1,' ', l) # original text
print(count+1,' ', translated.text)
del translator
num = num + 20
#obj_num = obj_num + 1
#print("")
#print("--- translator :", obj_num)
#print("")
translator = Translator()
sys.stdout = backup_stdout # back
del translator
files.download(filename)
## translator = Translator()
## f = open(filename, 'w')
## for l in line:
## translated = translator.translate(l, dest="japanese");
## print(l) # Original
## f.writelines(l)
## f.write('\n')
## print(translated.text) # dest lang
## f.writelines(translated.text)
## f.write('\n')
## print()
## f.write('\n')
## print('EOF')
## f.close()
##
## files.download(filename)
github gist googletrans_with_google_colab.py
Cf. how to remove newline character from a list in python
Cf. list comprehension:
https://realpython.com/lessons/writing-your-first-list-comprehension/
tkk エラーの参考:
stackoverflow.com "googletrans stopped working with error nonetype object has no attribute group"
googletrans 対応言語リスト
| 対応言語リスト | |||
|---|---|---|---|
| 'af': 'afrikaans' | 'sq': 'albanian' | 'am': 'amharic' | 'ar': 'arabic' |
| 'hy': 'armenian' | 'az': 'azerbaijani' | 'eu': 'basque' | 'be': 'belarusian' |
| 'bn': 'bengali' | 'bs': 'bosnian' | 'bg': 'bulgarian' | 'ca': 'catalan' |
| 'ceb': 'cebuano' | 'ny': 'chichewa' | 'zh-cn': 'chinese (simplified)' | 'zh-tw': 'chinese (traditional)' |
| 'co': 'corsican' | 'hr': 'croatian' | 'cs': 'czech' | 'da': 'danish' |
| 'nl': 'dutch' | 'en': 'english' | 'eo': 'esperanto' | 'et': 'estonian' |
| 'fi': 'finnish' | 'fr': 'french' | 'fy': 'frisian' | 'gl': 'galician' |
| 'ka': 'georgian' | 'de': 'german' | 'el': 'greek' | 'gu': 'gujarati' |
| 'ht': 'haitian creole' | 'ha': 'hausa' | 'haw': 'hawaiian' | 'iw': 'hebrew' |
| 'he': 'hebrew' | 'hi': 'hindi' | 'hmn': 'hmong' | 'hu': 'hungarian' |
| 'is': 'icelandic' | 'ig': 'igbo' | 'id': 'indonesian' | 'ga': 'irish' |
| 'it': 'italian' | 'ja': 'japanese' | 'jw': 'javanese' | 'kn': 'kannada' |
| 'kk': 'kazakh' | 'km': 'khmer' | 'ko': 'korean' | 'ku': 'kurdish (kurmanji)' |
| 'ky': 'kyrgyz' | 'lo': 'lao' | 'la': 'latin' | 'lv': 'latvian' |
| 'lt': 'lithuanian' | 'lb': 'luxembourgish' | 'mk': 'macedonian' | mg': 'malagasy' |
| 'ms': 'malay' | 'ml': 'malayalam' | 'mt': 'maltese' | 'mi': 'maori' |
| 'mr': 'marathi' | 'mn': 'mongolian' | 'my': 'myanmar (burmese)' | 'ne': 'nepali' |
| 'no': 'norwegian' | 'or': 'odia' | 'ps': 'pashto' | 'fa': 'persian' |
| 'pl': 'polish' | 'pt': 'portuguese' | 'pa': 'punjabi' | 'ro': 'romanian' |
| 'ru': 'russian' | 'sm': 'samoan' | 'gd': 'scots gaelic' | 'sr': 'serbian' |
| 'st': 'sesotho' | 'sn': 'shona' | 'sd': 'sindhi' | 'si': 'sinhala' |
| 'sk': 'slovak' | 'sl': 'slovenian' | 'so': 'somali' | 'es': 'spanish' |
| 'su': 'sundanese' | 'sw': 'swahili' | 'sv': 'swedish' | 'tg': 'tajik' |
| 'ta': 'tamil' | 'te': 'telugu' | 'th': 'thai' | 'tr': 'turkish' |
| 'uk': 'ukrainian' | 'ur': 'urdu' | 'ug': 'uyghur' | 'uz': 'uzbek' |
| 'vi': 'vietnamese' | 'cy': 'welsh' | 'xh': 'xhosa' | 'yi': 'yiddish' |
| 'yo': 'yoruba'a | 'zu': 'zulu' |
googletrans , YouTube subtitle , Google Colab
https://qiita.com/dauuricus/items/863dd4d087b3aff6455d