如何用DeepL Java API排除HTML中df[TEXT]类数据框不被翻译？

核心思路 #

通过临时替换占位符+翻译后还原的方式，把[XXX]这类格式的占位符替换成DeepL不会识别为可翻译文本的唯一临时标记，完成翻译后再将标记还原为原占位符，全程保证占位符格式完全不变。

具体实现步骤（Java代码示例） #

1. 占位符替换与还原工具类
   用正则匹配所有\[.*?\]格式的占位符，为每个占位符生成唯一临时标记并保存映射关系，后续用于还原：

   import java.util.HashMap;
   import java.util.Map;
   import java.util.regex.Matcher;
   import java.util.regex.Pattern;
   
   public class PlaceholderManager {
       private static final Pattern PLACEHOLDER_REGEX = Pattern.compile("\\[.*?\\]");
       private final Map<String, String> placeholderMap = new HashMap<>();
       private int tagCounter = 0;
   
       // 将原占位符替换为唯一临时标记
       public String replacePlaceholders(String rawContent) {
           Matcher matcher = PLACEHOLDER_REGEX.matcher(rawContent);
           StringBuffer processedContent = new StringBuffer();
           while (matcher.find()) {
               String originalPlaceholder = matcher.group();
               String tempTag = "__PLACEHOLDER_" + tagCounter + "__";
               placeholderMap.put(tempTag, originalPlaceholder);
               matcher.appendReplacement(processedContent, tempTag);
               tagCounter++;
           }
           matcher.appendTail(processedContent);
           return processedContent.toString();
       }
   
       // 将翻译后的临时标记还原为原占位符
       public String restorePlaceholders(String translatedContent) {
           for (Map.Entry<String, String> entry : placeholderMap.entrySet()) {
               translatedContent = translatedContent.replace(entry.getKey(), entry.getValue());
           }
           return translatedContent;
       }
   }
   

2. 结合DeepL Java API完成翻译
   先处理文本替换占位符，再调用翻译接口，最后还原占位符，同时保留HTML结构：

   import com.deepl.api.DeepLException;
   import com.deepl.api.Translator;
   import com.deepl.api.TextResult;
   
   public class DeepLTranslationService {
       public static void main(String[] args) throws DeepLException {
           // 初始化DeepL翻译器（替换为你的授权密钥）
           Translator translator = new Translator("YOUR_DEEPL_AUTH_KEY");
   
           // 原始HTML内容
           String originalHtml = "<!DOCTYPE html>\n<html>\n    <head>\n    </head>\n    <body>\n        <p>Dear client,</p>\n        <p>Please find enclosed the Events for the order you wish to execute for your account [ACCOUNT_NAME_TEXT].</p>\n        <p>&#160;</p>\n        <p>Kind regards,</p>\n        <p>[COMPANY_NAME]</p>\n    </body>\n</html>";
   
           // 处理占位符
           PlaceholderManager manager = new PlaceholderManager();
           String contentToTranslate = manager.replacePlaceholders(originalHtml);
   
           // 调用DeepL翻译，开启HTML标签处理与格式保留
           TextResult translationResult = translator.translateText(
               contentToTranslate,
               "EN",
               "ZH",
               null,
               true, // 开启HTML标签处理，保留页面结构
               null,
               null,
               null,
               true // 保留原有格式（换行、空格等）
           );
   
           // 还原占位符，得到最终翻译结果
           String finalTranslatedHtml = manager.restorePlaceholders(translationResult.getText());
           System.out.println(finalTranslatedHtml);
       }
   }
   

3. 关键注意事项

   • 临时标记采用__PLACEHOLDER_数字__格式，避免与原文内容冲突，保证替换与还原的准确性。
   • 翻译时必须开启tag_handling="html"（对应Java API中第5个参数为true），防止HTML结构被破坏。
   • 开启preserve_formatting参数，确保原文的排版格式和占位符的方括号结构完全保留。

替代方案（需修改HTML结构） #

如果允许修改原始HTML，可以将占位符包裹在自定义标签中，比如<span class="notranslate">[COMPANY_NAME]</span>，然后在翻译时设置ignore_tags参数为["notranslate"]，DeepL会自动忽略该标签内的内容。但此方案需要改动原始HTML，若要求完全不修改原格式，优先使用第一种临时替换方案。

内容的提问来源于stack exchange，提问作者lsa