如何翻译HTML文件内容？代码翻译后格式异常排查求助

我使用以下代码尝试将HTML文件内容翻译成其他语言，但翻译后的内容无法与翻译前保持完全一致的格式。请帮忙排查代码中的错误并给予指导。

原代码 #

from googletrans import Translator
from bs4 import BeautifulSoup, Tag,NavigableString
html = open("data.html").read()
soup = BeautifulSoup(html)
tags = soup.find_all(["p","ul","ol","h1","h2","h3","h4","h5","h6","td"])
translator=Translator()
def callcon(t, tag):
  for i in range(0, len(t)):
    if type(t[i])== NavigableString:
      translation=translator.translate(t[i],dest="hi").text
      new_text = tag.find(text=str(t[i])).replace_with(translation)
    else:
      callcon(t[i].contents,tag)
for tag in tags:
  callcon(tag.contents, tag)
with open("output2.html", "wb") as f_output:
    f_output.write(soup.prettify("utf-8"))

错误分析 #

• 文本匹配逻辑错误：tag.find(text=str(t[i]))会匹配整个标签内第一个相同文本的节点，当标签内有重复文本时，会错误替换非目标节点，破坏原有结构；同时忽略了文本中的空白差异，容易误匹配。
• 递归参数传递错误：递归处理子标签时，传递的是外层父标签而非当前子标签，导致替换操作范围混乱，干扰嵌套结构。
• prettify()强制重排格式：soup.prettify()会重新生成带缩进的HTML代码，完全改变原文件的排版，这是格式不一致的核心原因之一。

修复后的代码 #

from googletrans import Translator
from bs4 import BeautifulSoup, NavigableString

html = open("data.html").read()
# 指定解析器避免默认解析器的潜在格式问题
soup = BeautifulSoup(html, "html.parser")
target_tags = ["p", "ul", "ol", "h1", "h2", "h3", "h4", "h5", "h6", "td"]
tags = soup.find_all(target_tags)
translator = Translator()

def translate_contents(contents):
    for item in contents:
        if isinstance(item, NavigableString):
            # 跳过纯空白文本节点，避免无意义翻译和格式干扰
            if item.strip():
                # 保留原文本的空白格式，仅替换有效内容
                raw_text = item.strip()
                translation = translator.translate(raw_text, dest="hi").text
                # 替换时保留原文本的前后空白
                replaced_text = item.replace(raw_text, translation)
                item.replace_with(replaced_text)
        else:
            # 递归处理当前子标签的内容，确保操作范围正确
            translate_contents(item.contents)

for tag in tags:
    translate_contents(tag.contents)

# 直接输出原结构HTML，不修改排版
with open("output2.html", "w", encoding="utf-8") as f_output:
    f_output.write(str(soup))

关键修复说明 #

• 直接操作目标文本节点：不再通过find查找，直接对遍历到的NavigableString对象进行替换，避免误匹配。
• 保留原空白格式：仅翻译有效文本内容，保留原文本的换行、空格等排版信息。
• 修正递归范围：递归时传递当前子标签的内容，确保替换操作只作用于当前节点范围内。
• 禁用prettify()：直接将soup转为字符串写入文件，完全保留原HTML的格式和排版。
• 过滤空白节点：跳过纯空白的文本节点，减少不必要的翻译操作和格式干扰。

内容的提问来源于stack exchange，提问作者Hiralal Umesh Kumhar