基于OpenAI API的PHP HTML翻译：大内容结构化拆分方案

要解决大HTML内容因token限制无法直接翻译，同时保留完整结构和属性的问题，核心思路是基于DOM块级元素拆分单元，用HTML解析工具处理而非字符串切割，具体步骤如下：

1. 按块级元素拆分HTML内容 #

使用成熟的HTML解析库（如Python的BeautifulSoup、JavaScript的cheerio）遍历DOM树，提取独立的块级元素作为翻译单元，比如：

• 顶级<p>、<div>、<section>、<article>等元素
• 嵌套结构中，可拆分至内层独立块级元素（如<section>内的每个<p>）

拆分时必须保证每个单元是完整的DOM节点，包含所有内部内联元素、自定义属性（如data-info、class）和标签结构，绝对不能拆分内联元素（如<span>、<strong>）。

2. 构造精准的翻译请求Prompt #

对每个拆分出的HTML块，构造明确的Prompt，强制AI保留HTML结构：

请翻译以下HTML片段中的文本内容，完全保留所有HTML标签、属性和原有结构，仅替换文本内容：
<p><strong data-info="important">Welcome</strong> to our <span class="highlight">new platform</span>. Consult <a href="https://example.com">terms and conditions</a> for more details.</p>

3. 批量处理并重组完整HTML #

将每个块的翻译结果收集后，按照原HTML中元素的顺序重新拼接，即可得到结构完全一致、仅文本被翻译的完整HTML文档。

关键注意事项 #

• 禁止字符串/正则拆分：手动切割HTML字符串极易破坏标签闭合或属性结构，必须依赖DOM解析工具。
• 控制单元大小：如果单个块级元素仍过大（比如超长的<div>），可进一步拆分其内部的子块级元素，确保每个请求的token数在API限制内。
• 验证翻译结果：批量处理前先测试少量样本，确认AI未修改标签、属性或结构，避免出现标签丢失、属性被篡改的情况。

内容的提问来源于stack exchange，提问作者Aeron V