Google Translate API 返回非 UTF8 字符

Question

解决 解决方法见文末

晚上好。

我正在尝试使用 google translate v3 api。

我遇到了一个神秘的编码问题。

我这样做：

def translate_text_langueTarget(texteToTranslate, langueTarget):
     parent = client.location_path(project_id, location)
     langueOrigin = detect_language(texteToTranslate)
     if (langueOrigin == "en" and langueTarget == "en"):
         return(texteToTranslate)
     try:
         response = client.translate_text(
             parent=parent,
             contents=[texteToTranslate],
             mime_type='text/plain',
             source_language_code=langueOrigin,
             target_language_code=langueTarget)
         translatedTexte = str(response.translations)[19:-3]
     except:
         translatedTexte = "Sorry my friend, the translation is lost on the internet"

     print(response)
     print(type(response))
     print(response.translations)
     print(type(response.translations))
     return(translatedTexte)

我称之为

stringToTrad = "prefer"
langTarget = "fr"
translateString = translate_text_langueTarget(stringToTrad, langTarget)

我希望得到“préféré”的回答

但我得到： "pr\303\251f\303\251rer"

我已尝试在我的代码中进行一些调试来解决此错误，其中：

print(response)
print(type(response))
print(response.translations)
print(type(response.translations))

我认为这是编码问题，但我找不到问题的答案。

我在 python 中工作，我的脚本是标签：

#! /usr/bin/env python3
# coding: utf-8

在标题中

你有什么想法吗？

解决。 我用：

translatedTexte = codecs.escape_decode(translatedTexte)[0]
translatedTexte = translatedTexte.decode("utf8")

Answer 1

显然，来自 API 的响应是 html 编码的（所以它是 UTF-8 包裹在 html 编码中，也用于 URL 编码）。

解决方法很简单。

import html

print(sf)
# Vinken rejoindra le conseil d'administration en novembre.

print(html.unescape(sf))
# Vinken rejoindra le conseil d'administration en novembre.

+信息https://stackoverflow.com/a/48805931/4752223

Answer 2

Google 翻译的 API 为您提供 UTF-8 文本。 你得到了c3 a9（303 251 为八进制数），正如预期的那样，它实际上是é。

因此，您的代码采用正确的 UTF-8 文件并将其写入可能是错误的编码。

这句话只是一个神话，没有用处：

# coding: utf-8

如果您希望您的代码将输入和输出解释为 UTF-8，则应明确说明。使用您的代码，我假设（一个问题）是您使用 print （最好写入文件）。在 Windows 上，默认情况下，终端不是 UTF-8，而是旧的“类似 Windows ANSI 和扩展也称为 Windows 1252”编码。

所以写入一个文件（使用明确的 UTF-8 编码），或者只是更改终端设置，以获得 UTF-8 终端。此外，您可能对结果有转义序列。对我来说，以八进制方式编写结果很香。不考虑标准 Python（它会抱怨编码错误）。您可能需要解析响应，以翻译转义序列。