如何实现PHP字符串移除HTML标签后还原至原位置（适配DeepL翻译）

核心思路 #

先提取并记录HTML标签在原字符串中的位置与内容，移除标签后翻译纯文本，最后将标签精准插回对应位置。

具体实现步骤 #

• 步骤1：提取标签与纯文本
  用正则或HTML解析工具捕获所有带属性的HTML标签，同时剥离标签得到纯文本。以Python为例，用re模块实现：

  import re
  
  original_str = "<div id='content'>Hi <i>there</i>, this is a <span class='highlight'>test</span>.</div>"
  tag_records = []
  # 匹配所有HTML标签并记录位置
  for match in re.finditer(r'<[^>]+>', original_str):
      tag_records.append({
          "content": match.group(),
          "start_pos": match.start(),
          "end_pos": match.end()
      })
  # 生成无标签的纯文本
  plain_text = re.sub(r'<[^>]+>', '', original_str)
  

  若处理复杂嵌套HTML，推荐用BeautifulSoup解析节点，避免正则的局限性。

• 步骤2：调用DeepL翻译纯文本
  用DeepL API翻译剥离后的纯文本：

  import deepl
  
  translator = deepl.Translator("你的API密钥")
  translated_plain = translator.translate_text(plain_text, target_lang="ZH")
  

• 步骤3：还原HTML标签
  按原标签的出现顺序，将标签插入翻译后的文本对应位置。需注意翻译后文本长度变化，通过原文本的文本片段与翻译后片段的对应关系来定位：

  # 拆分原文本为「文本片段+标签」的交替序列
  segments = []
  last_idx = 0
  for tag in tag_records:
      if last_idx < tag["start_pos"]:
          segments.append(("text", original_str[last_idx:tag["start_pos"]]))
      segments.append(("tag", tag["content"]))
      last_idx = tag["end_pos"]
  if last_idx < len(original_str):
      segments.append(("text", original_str[last_idx:]))
  
  # 提取原文本片段，拆分翻译后的文本为对应片段
  original_text_parts = [seg[1] for seg in segments if seg[0] == "text"]
  translated_parts = translated_plain.text.split()  # 可根据语义优化拆分逻辑
  
  # 拼接标签与翻译后的文本
  final_result = []
  text_part_idx = 0
  for seg in segments:
      if seg[0] == "tag":
          final_result.append(seg[1])
      else:
          final_result.append(translated_parts[text_part_idx])
          text_part_idx += 1
  final_str = " ".join(final_result)
  

关键注意事项 #

• 处理嵌套标签时，用HTML解析库（如BeautifulSoup）遍历节点比正则更可靠，能避免标签匹配错误。
• 翻译后文本的片段拆分需适配语言特性，比如中文无空格分隔，可通过原文本的标点、语义断点来对齐片段。

内容的提问来源于stack exchange，提问作者Miguel Gisbert