使用BeautifulSoup与googletrans翻译XLIFF文件时的内嵌标签处理难题

一、用BeautifulSoup保留标签结构翻译文本 #

你遇到的核心问题是如何保留<x>这类内嵌标签的结构，只翻译其中的文本内容——其实不用重新构建标签，直接遍历source的子节点，区分文本和标签处理就行：

1. 遍历子节点，针对性处理：BeautifulSoup会把标签下的文本（NavigableString）和元素（Tag）分开存储，你可以逐个检查每个子节点：
   • 如果是文本节点，直接翻译替换内容；
   • 如果是<x>标签，直接复制原标签到target中，完全保留它的属性和位置。

举个具体的代码示例：

from bs4 import BeautifulSoup, NavigableString
from googletrans import Translator

translator = Translator()

# 假设你已经读取了XLIFF文件内容到xliff_content变量
soup = BeautifulSoup(xliff_content, 'xml')

for trans_unit in soup.find_all('trans-unit'):
    source_tag = trans_unit.find('source')
    # 创建新的target标签
    target_tag = soup.new_tag('target')
    
    for child in source_tag.children:
        if isinstance(child, NavigableString):
            # 翻译文本，注意保留原有的空白（如果需要的话）
            original_text = child.string.strip() if child.string.strip() else child.string
            translated_text = translator.translate(original_text, dest='pl').text
            target_tag.append(translated_text)
        else:
            # 复制原有的<x>标签（包括所有属性）到target
            target_tag.append(child.copy())
    
    # 将生成的target标签添加到trans-unit中
    trans_unit.append(target_tag)

# 最后保存修改后的XLIFF内容
with open('translated.xliff', 'w', encoding='utf-8') as f:
    f.write(str(soup))

这个方法不管文本和<x>标签的顺序如何，都能准确保留结构，只替换文本内容，完全符合你的需求。

二、更适合处理XLIFF的工具包 #

如果经常处理XLIFF文件，专门的工具包会比BeautifulSoup更高效、更贴合场景：

• xliff：专门为XLIFF格式设计的Python库，支持1.2和2.0版本，能直接定位trans-unit、source、target，处理内嵌标记也更便捷，不用手动遍历节点。
• lxml：作为高性能XML处理库，用它来解析XLIFF会比BeautifulSoup更快（尤其是大文件），配合XPath可以精准定位节点，处理内嵌标签的逻辑也更灵活。
• DeepL Python Client：如果翻译质量和稳定性更重要，DeepL的翻译API比googletrans更可靠，而且它本身支持处理带标签的文本（比如保留HTML/XML标签结构），不用自己写标签处理逻辑。

另外，googletrans现在存在API不稳定、限制较多的问题，长期使用建议替换成更稳定的翻译服务。

内容的提问来源于stack exchange，提问作者Julia