
作者:咕隆先森
来源:Python 技术
工作上经常需要与外国友人邮件沟通,奈何工作电脑没有安装有道词典一类的翻译软件,结合自己的需要,自己撸一个桌面翻译神器。
基本思路:基于PySimpleGUI开发桌面GUI→获取键盘输入→接入谷歌翻译API→爬虫获取翻译结果(其中涉及到正则表达式匹配翻译结果)→输出翻译结果→翻译完成。
创建图形用户界面 (GUI)可能很困难, 有许多不同的Python GUI工具包可供选择。最常提到的前三名是 Tkinter, wxPython 和 PyQt (或PySide2). 但是PySimpleGUI的较新工具包,其目的是使创建GUI更加容易。
PySimpleGUI 主要的作用是成为Tkinter, wxPython和PyQt之上的抽象层。您可以将其视为包装器, 拉近设计者与GUI 的距离. 虽然建立GUI 变的很简单, 相对的有很多细节被忽略掉, 也就是说你只能按PySimpleGUI 所提供的功能来使用.这个版本是架设在Tkinter 之上, 当然还有其他的版本, 像是PySimpleGUIQt, PySimpleGUIWx, PySimpleGUIWeb, …
所以说优点呢, 就是简单, 缺点也是简单, 以下大约说明一下使用方法, 其他的 GUI 很难在短短一篇文章就能说个大槪.
代码如下(示例):
import reimport htmlfrom urllib import parseimport requestsimport PySimpleGUI as sg
代码如下(示例):
url = 'http://translate.google.cn/m?q=%s&tl=%s&sl=%s'
该处使用的url网络请求的数据,这里用到了%字符串格式化方法。需要用到三个参数:text——需要翻译的内容, to_language——目标语言类型, text_language——当前语言类型。
代码如下(示例):
def translate(text, to_language="en", text_language="auto"): text = parse.quote(text) url1 = url % (text, to_language, text_language) response = requests.get(url1) data = response.text # print(data) expr = r'(?s)class="(?:t0|result-container)">(.*?)<' result = re.findall(expr, data) print(result) if (len(result) == 0): return "" return html.unescape(result[0])
print语句用于前期调试,调试成功之后可以注释掉,也可以忽略,不影响使用!
代码如下(示例):
sg.theme('bluepurple') # 设置主题font = ("fangsong",12) # 字体仿宋,大小12menu = [["Help",["About","Item","Author"]]] # 菜单栏设置value = ['汉语','英语','日语','法语','俄语','自动'] # 语言选择(前端显示),默认只有6种,可以自己添加var = ['zh','en','ja','fr','ru','auto'] # 语言选择(后端执行时)dic = dict(zip(value,var)) # 语言字典配置layout = [[sg.Menu(menu, tearoff=False)], [sg.Text(text='Input',size=(26,1)), sg.Text(text='将',size=(2,1),justification='center'), sg.Combo(values=value, key='from', size=(10,1)), sg.Text(text='翻译为',size=(5,1),justification='center'), sg.Combo(values=value, key='to', size=(10,1))], [sg.Multiline(key="-IN-",size=(60, 8),font=font)], [sg.Text(text='Output',size=(30,1))], [sg.Multiline(key="-OUT-",size=(60, 8),font=font)], [sg.Text(text='',size=(36,1)), sg.Button("翻译", size=(6,1)), sg.Button("清除", size=(6,1)), sg.Button("退出", size=(6,1))] ]window = sg.Window("自制桌面翻译器", layout, icon="CT.ico") # 设置窗口名称,窗口布局,以及图标
layout为GUI布局,采用列表的模式,根据行列进行排布。
代码如下(示例):
while True: event, values =window.read() if event in (None, "退出"): # 点击“X”或者“退出”按钮时才退出 break if event == "翻译": if values["to"]=='' or values["from"]=='': # 未选择语言类型时弹窗提示 sg.Popup("请选择语言类型后重试,谢谢!") else: tar = translate(values["-IN-"],dic[values["to"]],dic[values["from"]]) window["-OUT-"].Update(tar) if event =="清除": window["-IN-"].Update("") window["-OUT-"].Update("") if event == "About": sg.Popup("使用方法:", "'翻译'确认输入,并输出翻译结果", "'清除'清除已有输入,清空翻译的结果", "'退出'取消,并退出App", title='', font = font, auto_close = 1) if event == "Item": sg.Popup("翻译类型:", "'输入类型' 输入的语言类型", "'输出类型' 输出的语言类型", title = '', font = font, auto_close = 1) if event == "Author": sg.Popup("作者简介:", "姓名:XXXXXX", "Wechat:XXXXXX", "E-mail:XXXXXX@qq.com", title = '', font = font, auto_close = 1)window.close()
windows.read()可以理解为监听,分别有事件event,返回值values。
while循环,当事件为空或者为“退出”是=时,结束循环,并退出。
Popup为消息提示弹窗,可以作为警告,提示,再确认的交互界面。
到这里,整个项目就已经完成了,涉及到的一些基础技能,还需要一点功力,好了,今天的分享就到这里,后续会更新如何使用pyinstaller进行打包分发使用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15