nodejs简单实现中英文翻译

帮以前同事解决一个需求，中文项目 翻译 英文项目~~~

考虑到具体实现方面的问题，如果智能的话，肯定是要做中文的语法分析，不过感觉这个有难度。

所以最后的方案是遍历文件，将中文短语匹配出来，再进行人工翻译，将中文短语替换成翻译的内容。当然后期还是需要人工再检验下，毕竟代码中的中文，可能会影响到相关的程序。

这个问题，明显涉及到 多线程，文件读写，第一时间就想到的是 nodejs，虽然nodejs是一个主线程，但是异步文件读写，事件响应机制，肯定也是调用了线程，在实际编程的时候不需要考虑线程的相关的问题。

代码不复杂如下，写完了之后，适当的封装了下

rush:js;"> var fs = require('fs'); var http = require('http'); var filePath = 'D:\\WORK_new\\'; var logPath = 'D:\\chinese.log';

var map = {};
var num = 0;

var dictionary = (function () {
var map = {};
return {
logPath: 'D:\chinese.log',set: function (key,val) {
map[key] = val || '';
},get: function (key) {
return map[key]||'';
},save2File: function () {
fs.writeFile(this.logPath,JSON.stringify(map).replace(/","/g,'",\r\n"'),{encoding:'utf8',flag:'w'},function (err) {
if (err) throw err;
});
},loadFile: function (callback) {
fs.readFile(this.logPath,{encoding:'utf8'},function (err,data) {
map = JSON.parse(data);
callback();
})
},translateByGoogle: function (callback) {
var index = 0;
for (var key in map) {
if (map[key] == '') {
index++;
(function (key) {
http.get("http://translate.google.cn/translate_a/t?client=t&hl=zh-CN&sl=zh-CN&tl=en&ie=UTF-8&oe=UTF-8&oc=2&otf=1&ssel=3&tsel=6&sc=2&q="+key,function(res) {
res.setEncoding('utf8');
var body = "";
res.on('data',function (chunk) {
body+=chunk;
}).on('end',function (){
var obj = eval('('+body+')');
map[key] = obj[0][0][0];
index--;
if (index == 0) {
callback();
}
});
}).on('error',function(e) {
console.log('http error');
index--;
if (index == 0) {
callback();
}
console.log("Got error: " + e.message);
});
})(key);
}
}
}
}
})();

function File () {
var index = 0;
var _readFile = function (pathStr,fileBack,doneBack) {
fs.readFile(pathStr,data) {
index--;
if (err) {
data = "";
console.log(err,pathStr)
//throw err;
}
fileBack(data,pathStr);
if (index == 0) {
doneBack();
}
});
};
var _walkDir = function (pathStr,doneBack) {
fs.readdir(pathStr,files) {
files.forEach(function (file) {
if(fs.statSync(pathStr + '/' + file).isDirectory()){
_walkDir(pathStr + '/' + file,doneBack);
} else {
if (/.js$|.html$|.htm$|.jsp$/.test(file)){
index ++;
_readFile(pathStr + '/' + file,doneBack);
}
return;
}
});
});
}
this.walkDir = function (pathStr,doneBack) {
index = 0;
_walkDir(pathStr,doneBack);
}
}

//第一步 获取中文
dictionary.logPath = logPath;

new File().walkDir(filePath,function (data) {
if (!!data) {
var match = data.match(/[\u4e00-\u9faf]+/g);
if (!!match) {
match.forEach(function (mat) {
dictionary.set(mat);
})
}
}
},function () {
console.log('获取中文 OK');
dictionary.save2File();
})

//第二步 google翻译
/
dictionary.loadFile(function () {
dictionary.translateByGoogle(function () {
dictionary.save2File();
})
});
/
//第三步 中文替换
/
dictionary.loadFile(function () {
new File().walkDir(filePath,function (data,pathStr) {
fs.writeFile(pathStr,data.replace(/[\u4e00-\u9faf]+/g,function (ch) {
return dictionary.get(ch);
}),{encoding:'ascii',function (err) {
if (err) throw err;
});
},function () {
console.log('中文替换 OK');
})
});
/

问题还是有的

1.nodejs编码问题，在window环境下对GBK编码支持不好，主要是utf8文件的处理

2.效率上面可能可以再通过 线程进行优化，这块没做深入的考虑

3.匹配出来，可能有单个的标点符号的短语等情况，需要人工排查

实际情况中，文件是GBK的，还有些文件是utf8的，后来还是考虑通过 脚本语言 快手实现的时候，

1.文件编码的问题，判断通过搜索

判断文件首位3个字节是不是 ef bb bf，但是这个只是针对有BOM的utf8格式

对无BOM的utf8格式，需要进行字节特征码的判断（有难度，精力有限，使用了上面的方案，对于无BOM的情况，进行人工排查）。

2.因为快手多线程方便编程很简单，一直以为多线程肯定比单线程效率要好。实际情况却和想的不一样，单线程的比多线程的快多了。看来主要瓶颈还是在读写文件IO上面。

以上所述就是本文全部内容了，希望大家能够喜欢。

原文地址：https://www.jb51.cc/nodejs/54519.html