nodejs簡(jiǎn)單實(shí)現(xiàn)中英文翻譯

更新時(shí)間：2015年05月04日 09:30:48 投稿：hebedich

這篇文章主要介紹了nodejs簡(jiǎn)單實(shí)現(xiàn)中英文翻譯的方法和示例，雖然還存在著不小的問(wèn)題，但是也算是基本能用了，這里推薦給大家。

幫以前同事解決一個(gè)需求，中文項(xiàng)目翻譯英文項(xiàng)目~~~

考慮到具體實(shí)現(xiàn)方面的問(wèn)題，如果智能的話，肯定是要做中文的語(yǔ)法分析，不過(guò)感覺(jué)這個(gè)有難度。

所以最后的方案是遍歷文件，將中文短語(yǔ)匹配出來(lái)，再進(jìn)行人工翻譯，將中文短語(yǔ)替換成翻譯的內(nèi)容。當(dāng)然后期還是需要人工再檢驗(yàn)下，畢竟代碼中的中文，可能會(huì)影響到相關(guān)的程序。

這個(gè)問(wèn)題，明顯涉及到多線程，文件讀寫(xiě)，第一時(shí)間就想到的是 nodejs，雖然nodejs是一個(gè)主線程，但是異步文件讀寫(xiě)，事件響應(yīng)機(jī)制，肯定也是調(diào)用了線程，在實(shí)際編程的時(shí)候不需要考慮線程的相關(guān)的問(wèn)題。

代碼不復(fù)雜如下，寫(xiě)完了之后，適當(dāng)?shù)姆庋b了下

var fs = require('fs');
var http = require('http');
var filePath = 'D:\\WORK_new\\';
var logPath = 'D:\\chinese.log';

var map = {};
var num = 0;

var dictionary = (function () {
  var map = {};
  return {
    logPath: 'D:\\chinese.log',
    set: function (key, val) {
      map[key] = val || '';
    },
    get: function (key) {
      return map[key]||'';
    },
    save2File: function () {
      fs.writeFile(this.logPath, JSON.stringify(map).replace(/","/g,'",\r\n"'),{encoding:'utf8',flag:'w'}, function (err) {
        if (err) throw err;
      }); 
    },
    loadFile: function (callback) {
      fs.readFile(this.logPath, {encoding:'utf8'},function (err, data) {
        map = JSON.parse(data);
        callback();
      })
    },
    translateByGoogle: function (callback) {
      var index = 0;
      for (var key in map) {
        if (map[key] == '') {
          index++;
          (function (key) {
            http.get("http://translate.google.cn/translate_a/t?client=t&hl=zh-CN&sl=zh-CN&tl=en&ie=UTF-8&oe=UTF-8&oc=2&otf=1&ssel=3&tsel=6&sc=2&q="+key, function(res) {
              res.setEncoding('utf8');
              var body = "";
              res.on('data', function (chunk) {
                body+=chunk;  
              }).on('end', function (){ 
                var obj = eval('('+body+')');
                map[key] = obj[0][0][0];
                index--;
                if (index == 0) {
                  callback();
                }
              });
            }).on('error', function(e) {
              console.log('http error');
              index--;
              if (index == 0) {
                callback();
              }
              console.log("Got error: " + e.message);
            });
          })(key);
        }
      }
    }
  }
})();

function File () {
  var index = 0;
  var _readFile = function (pathStr, fileBack, doneBack) {
    fs.readFile(pathStr,{encoding:'utf8'}, function (err, data) {
      index--;
      if (err) {
        data = "";
        console.log(err,pathStr)
        //throw err;
      }
      fileBack(data,pathStr);
      if (index == 0) {
        doneBack();
      }
    });
  };
  var _walkDir = function (pathStr, fileBack, doneBack) {
    fs.readdir(pathStr, function (err, files) {
      files.forEach(function (file) {
        if(fs.statSync(pathStr + '/' + file).isDirectory()){
          _walkDir(pathStr + '/' + file, fileBack, doneBack);
        } else {
          if (/.js$|.html$|.htm$|.jsp$/.test(file)){
            index ++;
            _readFile(pathStr + '/' + file, fileBack, doneBack);
          }
          return;
        }
      });
    });
  }
  this.walkDir = function (pathStr, fileBack, doneBack) {
    index = 0;
    _walkDir(pathStr, fileBack, doneBack);
  }
}

//第一步 獲取中文
dictionary.logPath = logPath;

new File().walkDir(filePath, function (data) {
  if (!!data) {
    var match = data.match(/[\u4e00-\u9faf]+/g);
    if (!!match) {
      match.forEach(function (mat) {
        dictionary.set(mat);
      })
    }
  }
}, function () {
  console.log('獲取中文 OK');
  dictionary.save2File();
})


//第二步 google翻譯
/*
dictionary.loadFile(function () {
  dictionary.translateByGoogle(function () {
    dictionary.save2File();
  })
});
*/
//第三步 中文替換
/*
dictionary.loadFile(function () {
  new File().walkDir(filePath, function (data,pathStr) {
    fs.writeFile(pathStr, data.replace(/[\u4e00-\u9faf]+/g, function (ch) {
      return dictionary.get(ch);
    }),{encoding:'ascii',flag:'w'}, function (err) {
      if (err) throw err;
    }); 
  }, function () {
    console.log('中文替換 OK');
  })
});
*/

問(wèn)題還是有的

1.nodejs編碼問(wèn)題，在window環(huán)境下對(duì)GBK編碼支持不好，主要是utf8文件的處理

2.效率上面可能可以再通過(guò) 線程進(jìn)行優(yōu)化，這塊沒(méi)做深入的考慮

3.匹配出來(lái)，可能有單個(gè)的標(biāo)點(diǎn)符號(hào)的短語(yǔ)等情況，需要人工排查

實(shí)際情況中，文件是GBK的，還有些文件是utf8的，后來(lái)還是考慮通過(guò) 腳本語(yǔ)言快手實(shí)現(xiàn)的時(shí)候，

1.文件編碼的問(wèn)題，判斷通過(guò)搜索

判斷文件首位3個(gè)字節(jié)是不是 ef bb bf，但是這個(gè)只是針對(duì)有BOM的utf8格式

對(duì)無(wú)BOM的utf8格式，需要進(jìn)行字節(jié)特征碼的判斷（有難度，精力有限，使用了上面的方案，對(duì)于無(wú)BOM的情況，進(jìn)行人工排查）。

2.因?yàn)榭焓侄嗑€程方便編程很簡(jiǎn)單，一直以為多線程肯定比單線程效率要好。實(shí)際情況卻和想的不一樣，單線程的比多線程的快多了?？磥?lái)主要瓶頸還是在讀寫(xiě)文件IO上面。

以上所述就是本文全部?jī)?nèi)容了，希望大家能夠喜歡。

您可能感興趣的文章: