#!/usr/bin/env python3 # -*- coding: utf-8 -*- from __future__ import annotations import argparse import json import math import re import sys from pathlib import Path from typing import Any try: import google.generativeai as genai # type: ignore except ImportError as exc: raise RuntimeError( "缺少依赖 google-generativeai，请先安装：pip install google-generativeai" ) from exc try: from openpyxl import load_workbook, Workbook # type: ignore except ImportError as exc: raise RuntimeError( "缺少依赖 openpyxl，请先安装：pip install openpyxl" ) from exc try: import pandas as pd # type: ignore except ImportError as exc: raise RuntimeError( "缺少依赖 pandas，请先安装：pip install pandas" ) from exc def detect_chinese(text: str) -> bool: """检测文本中是否包含中文字符""" if not text or not isinstance(text, str): return False return bool(re.search(r"[\u4e00-\u9fff]", text)) def format_cell_value(value: Any) -> Any: """格式化单元格值，保持原始类型""" if value is None: return None if isinstance(value, float) and math.isnan(value): return None return value def get_api_key() -> str: """获取 Gemini API 密钥""" api_key = genai.configure(api_key=None) if api_key: return api_key # 尝试从环境变量获取 import os api_key = os.getenv("GEMINI_API_KEY") or os.getenv("GOOGLE_API_KEY") if api_key: return api_key raise ValueError( "未找到 Gemini API 密钥。请设置环境变量 GEMINI_API_KEY 或 GOOGLE_API_KEY，" "或使用 --api-key 参数提供。" ) def translate_batch( texts: list[str], model_name: str = "gemini-2.0-flash-lite", api_key: str | None = None, ) -> dict[str, str]: """ 批量翻译文本 Args: texts: 待翻译的文本列表 model_name: 使用的模型名称 api_key: API 密钥（可选） Returns: 原文到译文的映射字典 """ if not texts: return {} # 过滤掉空文本 non_empty_texts = [(i, t) for i, t in enumerate(texts) if t and t.strip()] if not non_empty_texts: return {} # 配置 API if api_key: genai.configure(api_key=api_key) else: get_api_key() # 触发自动获取 # 选择模型 try: model = genai.GenerativeModel(model_name) except Exception as exc: raise RuntimeError(f"无法加载模型 {model_name}: {exc}") from exc # 构建批量翻译提示 # 将所有待翻译文本合并为一个请求以提高效率 text_list = "\n".join(f"{i+1}. {text}" for i, (_, text) in enumerate(non_empty_texts)) prompt = f"""请将以下中文内容翻译成英文。保持专业、准确的语言风格。 注意： 1. 只翻译中文部分，保持原有的专有名词（如人名、地名、品牌名）不变 2. 保留数字、日期、时间等格式不变 3. 技术术语使用标准英文翻译 4. 每条翻译结果单独一行，格式为：序号. 译文 待翻译内容： {text_list} 请按顺序输出翻译结果：""" try: response = model.generate_content(prompt) result_text = response.text except Exception as exc: raise RuntimeError(f"翻译请求失败: {exc}") from exc # 解析翻译结果 result_map: dict[str, str] = {} lines = result_text.strip().split("\n") for line in lines: line = line.strip() # 匹配 "序号. 译文" 格式 match = re.match(r"^(\d+)\.\s*(.+)$", line) if match: index = int(match.group(1)) - 1 # 转为 0-based 索引 if index < len(non_empty_texts): original_index, original_text = non_empty_texts[index] result_map[original_text] = match.group(2) else: # 如果没有序号，尝试直接映射 if non_empty_texts: original_index, original_text = non_empty_texts[0] if original_text not in result_map: result_map[original_text] = line return result_map def translate_excel_file( input_path: Path, output_path: Path, columns: list[str] | None = None, sheet_name: str | None = None, model_name: str = "gemini-2.0-flash-lite", api_key: str | None = None, dry_run: bool = False, ) -> dict[str, Any]: """ 翻译 Excel 文件 Args: input_path: 输入文件路径 output_path: 输出文件路径 columns: 指定要翻译的列名列表 sheet_name: 指定工作表名称 model_name: 使用的模型名称 api_key: API 密钥 dry_run: 预览模式，不实际生成文件 Returns: 翻译结果统计信息 """ # 加载工作簿 wb = load_workbook(input_path) # 选择工作表 if sheet_name: if sheet_name not in wb.sheetnames: raise ValueError(f"工作表不存在: {sheet_name}") sheets_to_translate = [sheet_name] else: sheets_to_translate = wb.sheetnames # 统计信息 stats: dict[str, Any] = { "sheets": {}, "total_cells": 0, "translated_cells": 0, "chinese_cells": 0, "skipped_cells": 0, } # 处理每个工作表 for sheet_name in sheets_to_translate: ws = wb[sheet_name] sheet_stats = { "total": 0, "chinese": 0, "translated": 0, "skipped": 0, "columns": [], } # 收集需要翻译的列 header_row = 1 # 默认第一行为表头 headers: list[str] = [] target_columns: list[int] = [] # 读取表头 for col in range(1, ws.max_column + 1): cell_value = ws.cell(row=header_row, column=col).value header = str(cell_value).strip() if cell_value else f"Column{col}" headers.append(header) # 如果指定了列名，检查是否匹配 if columns is None or header in columns: target_columns.append(col) sheet_stats["columns"].append(header) if not target_columns: stats["sheets"][sheet_name] = sheet_stats continue # 收集所有需要翻译的文本 texts_to_translate: list[str] = [] cell_positions: list[tuple[int, int]] = [] # (row, col) for row in range(header_row + 1, ws.max_row + 1): for col in target_columns: cell = ws.cell(row=row, column=col) value = cell.value # 跳过空值、公式、数字 if value is None or isinstance(value, (int, float, bool)): sheet_stats["skipped"] += 1 continue if isinstance(value, float) and math.isnan(value): sheet_stats["skipped"] += 1 continue text = str(value).strip() if not text: sheet_stats["skipped"] += 1 continue sheet_stats["total"] += 1 # 检测中文 if detect_chinese(text): sheet_stats["chinese"] += 1 texts_to_translate.append(text) cell_positions.append((row, col)) else: sheet_stats["skipped"] += 1 # 批量翻译 if texts_to_translate: print(f"翻译工作表 '{sheet_name}' 中的 {len(texts_to_translate)} 个单元格...") translation_map = translate_batch(texts_to_translate, model_name, api_key) # 应用翻译结果 for (row, col), original_text in zip(cell_positions, texts_to_translate): translated = translation_map.get(original_text) if translated: ws.cell(row=row, column=col, value=translated) sheet_stats["translated"] += 1 else: sheet_stats["skipped"] += 1 stats["sheets"][sheet_name] = sheet_stats stats["total_cells"] += sheet_stats["total"] stats["chinese_cells"] += sheet_stats["chinese"] stats["translated_cells"] += sheet_stats["translated"] stats["skipped_cells"] += sheet_stats["skipped"] # 保存文件 if not dry_run: # 确保输出目录存在 output_path.parent.mkdir(parents=True, exist_ok=True) wb.save(output_path) print(f"已保存翻译结果到: {output_path}") else: print("预览模式：未生成文件") return stats def translate_csv_file( input_path: Path, output_path: Path, columns: list[str] | None = None, model_name: str = "gemini-2.0-flash-lite", api_key: str | None = None, dry_run: bool = False, ) -> dict[str, Any]: """ 翻译 CSV 文件 Args: input_path: 输入文件路径 output_path: 输出文件路径 columns: 指定要翻译的列名列表 model_name: 使用的模型名称 api_key: API 密钥 dry_run: 预览模式 Returns: 翻译结果统计信息 """ # 检测编码 last_error: Exception | None = None df = None encoding = "utf-8-sig" for enc in ("utf-8-sig", "utf-8", "gb18030"): try: df = pd.read_csv(input_path, encoding=enc) encoding = enc break except UnicodeDecodeError as exc: last_error = exc continue except Exception as exc: last_error = exc continue if df is None: raise ValueError(f"无法读取 CSV 文件: {last_error}") # 确定要翻译的列 target_columns: list[str] = [] if columns: for col in columns: if col in df.columns: target_columns.append(col) else: print(f"警告: 列 '{col}' 不存在，已跳过") else: target_columns = df.columns.tolist() if not target_columns: raise ValueError("没有可翻译的列") # 统计信息 stats: dict[str, Any] = { "sheets": {"main": {"total": 0, "chinese": 0, "translated": 0, "skipped": 0, "columns": target_columns}}, "total_cells": 0, "translated_cells": 0, "chinese_cells": 0, "skipped_cells": 0, } # 收集需要翻译的文本 texts_to_translate: list[str] = [] cell_positions: list[tuple[int, str]] = [] # (row, col) for col in target_columns: for idx, value in enumerate(df[col], start=1): # 跳过空值和 NaN if pd.isna(value) or value == "": stats["skipped_cells"] += 1 stats["sheets"]["main"]["skipped"] += 1 continue # 跳过数字 if isinstance(value, (int, float)) and not isinstance(value, bool): stats["skipped_cells"] += 1 stats["sheets"]["main"]["skipped"] += 1 continue text = str(value).strip() if not text: stats["skipped_cells"] += 1 stats["sheets"]["main"]["skipped"] += 1 continue stats["total_cells"] += 1 stats["sheets"]["main"]["total"] += 1 # 检测中文 if detect_chinese(text): stats["chinese_cells"] += 1 stats["sheets"]["main"]["chinese"] += 1 texts_to_translate.append(text) cell_positions.append((idx, col)) else: stats["skipped_cells"] += 1 stats["sheets"]["main"]["skipped"] += 1 # 批量翻译 if texts_to_translate: print(f"翻译 {len(texts_to_translate)} 个单元格...") translation_map = translate_batch(texts_to_translate, model_name, api_key) # 应用翻译结果 for (row_idx, col), original_text in zip(cell_positions, texts_to_translate): translated = translation_map.get(original_text) if translated: df.at[row_idx - 1, col] = translated # pandas 使用 0-based 索引 stats["translated_cells"] += 1 stats["sheets"]["main"]["translated"] += 1 else: stats["skipped_cells"] += 1 stats["sheets"]["main"]["skipped"] += 1 # 保存文件 if not dry_run: output_path.parent.mkdir(parents=True, exist_ok=True) df.to_csv(output_path, index=False, encoding="utf-8-sig") print(f"已保存翻译结果到: {output_path}") else: print("预览模式：未生成文件") return stats def print_stats(stats: dict[str, Any], input_path: Path) -> None: """打印统计信息""" print(f"\n翻译统计 - {input_path.name}") print("=" * 60) print(f"总单元格数: {stats['total_cells']}") print(f"包含中文: {stats['chinese_cells']}") print(f"已翻译: {stats['translated_cells']}") print(f"跳过: {stats['skipped_cells']}") for sheet_name, sheet_stats in stats["sheets"].items(): print(f"\n工作表: {sheet_name}") print(f" 翻译列: {', '.join(sheet_stats['columns']) if sheet_stats['columns'] else '全部'}") print(f" 总数: {sheet_stats['total']}, 中文: {sheet_stats['chinese']}, 已翻译: {sheet_stats['translated']}") def parse_args() -> argparse.Namespace: parser = argparse.ArgumentParser( description="翻译 Excel (.xlsx) 或 CSV 文件中的中文内容为英文" ) parser.add_argument("--file", required=True, help="输入文件路径") parser.add_argument("--output", help="输出文件路径（默认：{原文件名}_en.{扩展名}）") parser.add_argument( "--columns", help="指定要翻译的列名，多个列用逗号分隔，例如：'姓名,地址,备注'" ) parser.add_argument("--sheet", help="指定工作表名称（仅 Excel 文件）") parser.add_argument( "--model", default="gemini-2.0-flash-lite", help="使用的 Gemini 模型（默认：gemini-2.0-flash-lite）" ) parser.add_argument("--api-key", help="Gemini API 密钥（也可通过环境变量 GEMINI_API_KEY 设置）") parser.add_argument( "--dry-run", action="store_true", help="预览模式：统计需要翻译的内容但不生成文件" ) return parser.parse_args() def main() -> int: args = parse_args() input_path = Path(args.file).expanduser() try: # 验证输入文件 if not input_path.exists(): raise FileNotFoundError(f"文件不存在: {input_path}") if not input_path.is_file(): raise ValueError(f"路径不是文件: {input_path}") # 确定输出路径 if args.output: output_path = Path(args.output).expanduser() else: output_path = input_path.parent / f"{input_path.stem}_en{input_path.suffix}" # 解析列名 columns: list[str] | None = None if args.columns: columns = [col.strip() for col in args.columns.split(",") if col.strip()] print(f"输入文件: {input_path}") print(f"输出文件: {output_path}") if columns: print(f"翻译列: {', '.join(columns)}") if args.sheet: print(f"工作表: {args.sheet}") # 根据文件类型处理 suffix = input_path.suffix.lower() if suffix == ".xlsx": stats = translate_excel_file( input_path=input_path, output_path=output_path, columns=columns, sheet_name=args.sheet, model_name=args.model, api_key=args.api_key, dry_run=args.dry_run, ) elif suffix == ".csv": if args.sheet: raise ValueError("CSV 文件不支持 --sheet 参数") stats = translate_csv_file( input_path=input_path, output_path=output_path, columns=columns, model_name=args.model, api_key=args.api_key, dry_run=args.dry_run, ) else: raise ValueError(f"不支持的文件类型: {suffix}，仅支持 .xlsx 和 .csv") # 打印统计信息 print_stats(stats, input_path) return 0 except KeyboardInterrupt: print("\n已取消。", file=sys.stderr) return 130 except Exception as exc: print(f"错误: {exc}", file=sys.stderr) return 1 if __name__ == "__main__": sys.exit(main())