Hỏi về crawl và translate

Chào các anh! Em mới tập crawl nên chưa biết nhiều mong các anh chỉ giáo giúp
Em muốn crawl 1 trang tin tức và dịch nó sang 1 ngôn ngữ khác nhưng vẫn muốn giữ nguyên cấu trúc content các thẻ html của web gốc thì có cách nào không ạ, em dịch bằng google không được mong các anh chỉ giáo

 

replace các thẻ html sang dạng dãy số nào đó, dịch xong replace lại

 

kiểu như làm dấu ấy, xong rồi convert về lại

 

G-translate cho dịch nguyên 1 url đó.

 

Em thấy dùng cách này hay:

- vi.wordpress.org/plugins/qtranslate-x/
- Bing Auto translate.

Mình sẽ config làm sao để tạo ra đc mỗi language sẽ là 1 đường dẫn rồi khi vào path đó, bing nó sẽ tự translate.

Bài e viết: https://www.wpwiseguys.com/3191-wordpress-auto-translate-content/

 

Suy nghĩ thú vị đó thím

 

Vâng cám ơn bác để em thử

 

Mới tập mà bày đặt chơi hardcore

 

Mình mới tập nhưng yêu cầu nó như thế thì mình phải làm thôi chứ gì mà bày đặt đâu bạn, bạn biết bạn có lòng thì chỉ giùm ko thì cũng đâu ảnh hưởng tới bạn đâu mà nói mình bày đặt gì

 

Nếu muốn giữ nguyên cấu trúc content và các thẻ thì chắc bạn tách text lần lượt từ từng thẻ ra rồi translate, xong lại ghép lại với chính thẻ đó.

 

Bạn ấy chọc thôi, Hẻm có gì đâu

 

lúc mới làm mình cũng làm như đồng chí này nhưng cực khổ vl
chủ thớt nếu làm bằng python mình bày cho 2 cách :
cách 1 : crawl raw html, biến nó thành BeautifulSoup tree, sau đó loop từng element trong cái tree đó, cái nào type là NavigableString thì lấy text của nó ra, dịch rồi tạo cái tag mới y như cái cũ rồi dùng method replace_with của BeautifulSoup mà replace cái string cũ. Cách này modify cái tree trực tiếp luôn (không return lại cái gì cả). Cuối cùng dùng method prettify() của nó để trả lại cái tree thành dạng text thôi Chi tiết thì cứ docs của BeautifulSoup mà giã nhé

cách 2 : tương tự cách 1, nhưng dùng lxml.html parser, gói này thì mạnh và nhiều đồ chơi vkl, bạn có thể lọc nội dung html cũ và tạo html mới cũng đc, nhưng gói này dùng khó hơn, google ít bài hướng dẫn hơn.

Quan trọng là dịch xong rồi có khách hay không. Site mình clone nội dung từ nhiều nguồn về đc 10k bài mà lên 2 tháng rồi lèo tèo ngày vài ba mống organic, chán lắm. Bác nào có hướng ngon cho tool kiểu này gợi ý em với, code mòn đít mà bỏ thì phí quá :/

 

@thitgaluoc: thực ra ý mình chính là dùng beautifulsoup để bóc như cách 1 bạn làm, nhưng vì k biết chủ thớt dùng code gì nên k nói cụ thể. Có điều mình thấy đọc docs của bs phức tạp, dùng để tra cứu chi tiết các option thì còn được, còn lại search trên stackoverflows để tìm hướng dẫn dùng bs còn dễ hơn.

 

docs của bs4 là dễ đọc rồi, bác đọc docs của thằng lxml còn khủng nữa ) trên stack không có hướng dẫn modify tree này mấy đâu, em đọc rồi )

 

Link lỗi rồi bạn ơi.

 

Không, tìm trên diễn đàn kiến thức em cần

 

Google mà dùng api nó có hỗ trợ dịch cả text,html đó thớt.