Python批量翻译XML指定元素后回写原文件问题求助

原代码存在的核心问题 #

• 缩进逻辑错误：标签遍历、翻译、写入的代码块没有嵌套在文件遍历循环内，只会处理最后一个读取到的文件
• 仅处理了body标签，没有覆盖需求中的headline标签
• 直接将translator.translate返回的对象赋值给了标签文本，没有取翻译结果的文本属性
• 写入文件时未指定编码，容易出现乱码、XML头丢失的问题
• 路径匹配规则未限制XML后缀，可能读取到文件夹内的非XML文件引发解析错误

修正后的可运行代码 #

import xml.etree.ElementTree as ET
from googletrans import Translator
import glob

# 用原始字符串避免路径转义问题，只匹配XML后缀文件
path = r"D:\Counter\*.xml"
translator = Translator()
# 只初始化一次翻译对象即可，不需要每个文件都新建

file_list = glob.glob(path)
print(f"待处理文件列表：{file_list}")

for file in file_list:
    mytree = ET.parse(file)
    myroot = mytree.getroot()
    
    # 同时遍历处理headline和body两个标签
    for tag_name in ['headline', 'body']:
        for element in myroot.iter(tag_name):
            # 跳过空内容的标签避免报错
            if element.text:
                # 翻译后取text属性获取纯文本结果，指定源语言为乌尔都语可提升翻译准确率
                result = translator.translate(element.text, dest='en', src='ur')
                element.text = result.text
    
    # 写入时指定UTF-8编码，保留XML声明
    mytree.write(file, encoding='utf-8', xml_declaration=True)
    print(f"{file} 处理完成")

关键修改说明 #

• 把翻译对象的初始化移到了循环外，减少不必要的实例创建开销
• 嵌套了标签遍历逻辑，保证每个文件的两个目标标签都能被处理
• 增加了空内容判断，避免标签无文本时翻译报错
• 写入时增加了encoding='utf-8'和xml_declaration=True参数，保证原文件的编码和XML头格式正确
• 路径匹配限制为XML后缀，避免非XML文件解析错误

内容的提问来源于stack exchange，提问作者Code Logic