XLSX文件多行文本翻译失效，需保留HTML格式翻译方案

一、修复原DeepL API代码（适配HTML与批量数据） #

原代码核心问题是单单元格频繁请求API+未开启HTML标签保留机制，导致大量请求触发API限流，同时HTML标签被破坏。以下是优化后的代码：

优化点说明 #

• 启用DeepL的tag_handling="html"参数，自动保留HTML标签结构
• 批量提交文本请求，减少API调用次数，规避限流
• 增加空值、非文本内容的容错处理

优化代码 #

import deepl
import pandas as pd

auth_key = "YOUR_API_KEY"  # 替换为你的密钥
translator = deepl.Translator(auth_key)

input_file = "test.xlsx"
output_file = "output.xlsx"

# 读取无表头的Excel文件
df = pd.read_excel(input_file, header=None)

# 定义批量翻译函数
def batch_translate(texts, target_lang="DE"):
    # 过滤空值并统一转为字符串
    valid_texts = [str(t) if pd.notna(t) else "" for t in texts]
    # 批量翻译，开启HTML标签保留
    translations = translator.translate_text(
        valid_texts,
        target_lang=target_lang,
        tag_handling="html",
        preserve_formatting=True
    )
    # 提取翻译后的纯文本结果
    return [t.text for t in translations]

# 将表格扁平化后批量翻译，再恢复原结构
flattened_data = df.values.flatten().tolist()
translated_data = batch_translate(flattened_data)
translated_df = pd.DataFrame(
    [translated_data[i:i+df.shape[1]] for i in range(0, len(translated_data), df.shape[1])]
)

# 保存翻译结果
with pd.ExcelWriter(output_file, engine='openpyxl') as writer:
    translated_df.to_excel(writer, index=False, header=False)

print("翻译完成，结果已保存到output.xlsx")

二、替代方案推荐 #

1. Google Cloud Translation API #

• 原生支持HTML标签保留（设置format="html"参数）
• 批量处理能力强，适配大规模数据翻译
• 按字符量计费，价格透明，有免费额度

2. Microsoft Azure Translator API #

• 内置HTML/XML标签保护机制
• API限流规则宽松，支持高并发批量请求
• 提供免费试用额度，适合中小规模需求

3. 开源本地化模型（MarianMT） #

• 本地部署无API调用成本，适合超大规模数据
• 可通过预处理保留HTML标签结构
• 基于Hugging Face Transformers快速实现：

from transformers import MarianMTModel, MarianTokenizer
import pandas as pd

# 加载英德翻译模型（可根据需求切换语言方向）
model_name = "Helsinki-NLP/opus-mt-en-de"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)

def translate_html(text):
    # 简单处理HTML标签，复杂场景可结合BeautifulSoup拆分标签与文本
    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)
    outputs = model.generate(**inputs)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# 后续逻辑同前：扁平化表格→批量翻译→恢复结构→保存

三、额外注意事项 #

• 处理超大规模数据时，建议添加请求间隔（如time.sleep(1)），避免触发API限流
• 复杂HTML结构可使用BeautifulSoup拆分标签与文本，单独翻译文本后再重组HTML，避免标签被误译
• 所有API方案需提前申请密钥，并查阅官方文档的限流规则与配额

内容的提问来源于stack exchange，提问作者Hubert Bokszczanin