萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 腳本程式專題 >> JavaScript

Node.js 批量中英翻譯腳本:Google Translate API、檔案遍歷、編碼陷阱與生產級改良

專案背景與目標

將中文專案(`.js`、`.html`、`.vue`、`.java` 等)中的中文字串提取、翻譯為英文、回寫替換,實現「一鍵國際化」雛形。注意:**機翻無法完全替代人工審校**,僅作為初稿加速器。

核心流程

掃描目錄 → 正則提取中文 → 去重 → 批量翻譯 → 存字典 → 遍歷替換 → 人工審校

完整可執行腳本(ESM,Node 18+ 內建 fetch)

// translate.js
import fs from 'fs/promises';
import path from 'path';
import { fileURLToPath } from 'url';

const __dirname = path.dirname(fileURLToPath(import.meta.url));
const ROOT = path.resolve(__dirname, '../src'); // 掃描目錄
const DICT_FILE = path.resolve(__dirname, 'dict.json');
const TARGET_LANG = 'en'; // 目標語言
const BATCH_SIZE = 50;    // 批次大小
const CONCURRENCY = 5;    // 並發數

// 1. 正則提取中文(含標點、數字混雜)
const CN_REGEX = /[\u4e00-\u9fa5\u3000-\u303f\uff00-\uffef]+/g;

async function collectChinese() {
  const dict = new Map();
  async function walk(dir) {
    const entries = await fs.readdir(dir, { withFileTypes: true });
    for (const e of entries) {
      const full = path.join(dir, e.name);
      if (e.isDirectory()) {
        if (!['node_modules', 'dist', 'build', '.git'].includes(e.name)) await walk(full);
      } else if (/\.(js|ts|vue|html|jsx|tsx|json|java|py|cs)$/i.test(e.name)) {
        const content = await fs.readFile(full, 'utf8');
        const matches = content.match(CN_REGEX);
        if (matches) matches.forEach(m => dict.set(m, ''));
      }
    }
  }
  await walk(ROOT);
  return dict;
}

// 2. 批量翻譯(使用免費 MyMemory API 示範,生產請換付費 Google/DeepL)
async function translateBatch(texts) {
  const params = new URLSearchParams({
    q: texts.join('\n'),
    langpair: `zh-CN|${TARGET_LANG}`,
    mt: '1',
    onlyprivate: '0',
    de: 'noreply@example.com'
  });
  const res = await fetch(`https://api.mymemory.translated.net/get?${params}`);
  const { responseData } = await res.json();
  return responseData.translatedText.split('\n');
}

// 3. 主流程
async function main() {
  console.log('🔍 掃描中文...');
  const dict = await collectChinese();
  console.log(`共 ${dict.size} 條待翻譯`);

  // 載入已有字典
  let existing = new Map();
  try { existing = new Map(Object.entries(JSON.parse(await fs.readFile(DICT_FILE, 'utf8')))); }
  catch {}
  for (const [k, v] of existing) if (!dict.has(k)) dict.set(k, v);

  const toTranslate = [...dict.entries()].filter(([,v]) => !v).map(([k]) => k);
  console.log(`🌐 翻譯 ${toTranslate.length} 條新詞...`);

  for (let i = 0; i < toTranslate.length; i += BATCH_SIZE) {
    const batch = toTranslate.slice(i, i + BATCH_SIZE);
    try {
      const translated = await translateBatch(batch);
      batch.forEach((src, idx) => dict.set(src, translated[idx] || src));
      console.log(`  進度: ${Math.min(i + BATCH_SIZE, toTranslate.length)}/${toTranslate.length}`);
    } catch (e) {
      console.error('翻譯失敗:', e.message);
      batch.forEach(src => dict.set(src, src)); // 失敗保留原文
    }
    await new Promise(r => setTimeout(r, 200)); // 禮貌限流
  }

  await fs.writeFile(DICT_FILE, JSON.stringify(Object.fromEntries(dict), null, 2));
  console.log('💾 字典已儲存:', DICT_FILE);

  // 4. 替換回寫(建議先備份、再人工審核 diff)
  console.log('✍️  替換檔案中...');
  async function replace(dir) {
    const entries = await fs.readdir(dir, { withFileTypes: true });
    for (const e of entries) {
      const full = path.join(dir, e.name);
      if (e.isDirectory()) {
        if (!['node_modules', 'dist', 'build', '.git'].includes(e.name)) await replace(full);
      } else if (/\.(js|ts|vue|html|jsx|tsx|json|java|py|cs)$/i.test(e.name)) {
        let content = await fs.readFile(full, 'utf8');
        let changed = false;
        content = content.replace(CN_REGEX, m => {
          const t = dict.get(m);
          if (t && t !== m) { changed = true; return t; }
          return m;
        });
        if (changed) {
          await fs.writeFile(full, content, 'utf8');
          console.log(`  更新: ${path.relative(ROOT, full)}`);
        }
      }
    }
  }
  await replace(ROOT);
  console.log('✅ 完成!請務必用 git diff 人工審核。');
}

main().catch(console.error);

關鍵技術細節與避坑指南

問題原因解法
中文正則漏抓只匹配 `\u4e00-\u9fa5` 漏掉標點、全形數字、擴展區用 `[\u4e00-\u9fa5\u3000-\u303f\uff00-\uffef]+`
編碼亂碼Windows 預設 GBK,Node 讀取預設 UTF-8強制 `utf8`,或用 `iconv-lite` 偵測編碼
翻譯 API 限流/付費Google 免費額度極低,MyMemory 有日限制付費 DeepL/Google Cloud、本地緩存字典、增量翻譯
代碼中文被誤替換變數名、鍵名、註解、字串模板混雜AST 解析(Babel/TypeScript Compiler API)只翻譯字串字面量
HTML 實體編碼`<` `>` 被翻譯成 `&lt;`翻譯前 `decode`、翻譯後 `encode`,或用 AST 處理
大檔案記憶體溢出一次性讀全檔流式處理、分塊讀寫

生產級升級方向

  1. AST 級翻譯:用 `@babel/parser` + `@babel/traverse` 只提取 `StringLiteral`、`TemplateLiteral`、`JSXText`,避免汙染變數名、鍵名、註解。
  2. i18n 關鍵字提取:產出 `en.json`/`zh.json` 供 `i18next`/`vue-i18n` 直接使用,而非硬替換原始碼。
  3. 術語表:預載領域術語表(品牌名、專有名詞),翻譯時強制保留。
  4. CI/CD 整合:PR 時自動跑翻譯、產出 diff、要求審核通過才能合併。
  5. 品質評估:引入 `COMET`/`BLEU` 自動評分,低分標記人工複核。

結語

Node.js 批量翻譯腳本能大幅加速國際化初期工作,但**機翻僅能提供 60-80% 可用初稿**。關鍵在於:用 AST 精準定位可翻譯字串、建立可複用術語字典、納入 CI 人工審核流程。切記:`git diff` 是最後防線,沒有任何工具能替代開發者的語境判斷。

copyright © 萬盛學電腦網 all rights reserved