Python将具有多种语言的列翻译成英文

Question

我有一个数据集，其中有多个具有多种语言的 cmets 列，我想将这些列翻译成英文并创建包含所有英文翻译的新列。

Accountability_COMMENT 是每行有多个不同语言的 cmets 的列。我想创建一个新列并将所有此类 cmets 翻译成英语。

我已经尝试了以下代码：

 from googletrans import Translator
 from textblob import TextBlob
 translator = Translator()
 data_merge['Accountability_COMMENT'] = data_merge['Accountability_COMMENT'].apply(lambda x: 
 TextBlob(x).translate(to='en'))

我得到的错误是：

TypeError：传递给__init__(text) 的text 参数必须是字符串，而不是类'float'

我的专栏有正确的对象格式

Answer 1

您很可能有一些仅包含 float（即十进制数）的 cmets，即使根据 pandas 它们是 type: object，它们仍被 TextBlob 解释为 float。这会导致错误：

TypeError: The text argument passed to __init__(text) must be a string, not <class 'float'>

一种解决方案是确保TextBlob(x) 的输入x 是一个字符串。您可以通过修改 apply 行来做到这一点：

 data_merge['Accountability_COMMENT'] = data_merge['Accountability_COMMENT'].apply(lambda x: TextBlob(str(x)).translate(to='en'))

不幸的是，这可能还会引发如下错误：

raise NotTranslated('Translation API returned the input string unchanged.')
textblob.exceptions.NotTranslated: Translation API returned the input string unchanged.

这是因为在翻译一个数字时，译文和原文会一模一样，显然TextBlob不喜欢这样。

要避免这种情况，您可以做的是捕获该异常 NotTranslated 并返回未翻译的 TextBlob，如下所示：

from textblob import TextBlob
from textblob.exceptions import NotTranslated    

def translate_comment(x):
    try:
        # Try to translate the string version of the comment
        return TextBlob(str(x)).translate(to='en')
    except NotTranslated:
        # If the output is the same as the input just return the TextBlob version of the input
        return TextBlob(str(x))

data_merge['Accountability_COMMENT'] = data_merge['Accountability_COMMENT'].apply(translate_comment)

编辑： 如果您收到 HTTP 错误 Too Many Requests，可能是因为您被 Google Translate API 踢出。除了使用apply，您可以使用for 循环和一些循环之间的睡眠来使您的翻译“超慢”。在这种情况下，您应该导入另一个包 (time) 并替换最后一行：

from time import sleep
from textblob import TextBlob
from textblob.exceptions import NotTranslated    

def translate_comment(x):
    try:
        # Try to translate the string version of the comment
        return TextBlob(str(x)).translate(to='en')
    except NotTranslated:
        # If the output is the same as the input just return the TextBlob version of the input
        return TextBlob(str(x))

for i in range(len(data_merge['Accountability_COMMENT'])):
    # Translate one comment at a time
    data_merge['Accountability_COMMENT'].iloc[i] = translate_comment(data_merge['Accountability_COMMENT'].iloc[i])

    # Sleep for a quarter of second
    sleep(0.25)

然后，您可以对sleep 函数尝试不同的值。当然睡眠时间越长翻译越慢！注： sleep 参数以秒为单位。