换行，更灵活
separator: str = "\n"
@@ -26,8 +26,10 @@ class EpubTranslator(AiTranslator):
"""
一个用于翻译 EPUB 文件中内容的翻译器。
【高级版】此版本直接翻译HTML内容，以保留内联格式，并支持表格翻译。
- 【结构化修改版 v2】借鉴 DocxTranslator 的实现，在 append/prepend 模式下，
- 对常规块级元素创建新标签存放译文，对表格单元格则在内部追加内容，以保证文档结构的正确性。
+ 【结构化修改版 v3】
+ 1. 修复了 BeautifulSoup 自动添加 导致嵌套错误的问题。
+ 2. 对 li, div, td, th 采用内部追加模式，保护文档结构。
+ 3. 复制标签时自动移除 ID 属性，防止锚点冲突。
"""
def __init__(self, config: EpubTranslatorConfig):
@@ -66,10 +68,12 @@ class EpubTranslator(AiTranslator):
items_to_translate = []
original_texts = []
+ # 读取 Zip 内容
with zipfile.ZipFile(BytesIO(document.content), 'r') as zf:
for filename in zf.namelist():
all_files[filename] = zf.read(filename)
+ # 解析 container.xml 寻找 OPF
container_xml = all_files.get('META-INF/container.xml')
if not container_xml:
raise ValueError("无效的 EPUB：找不到 META-INF/container.xml")
@@ -78,6 +82,7 @@ class EpubTranslator(AiTranslator):
opf_path = root.find('cn:rootfiles/cn:rootfile', ns).get('full-path')
opf_dir = os.path.dirname(opf_path)
+ # 解析 OPF 获取文件清单
opf_xml = all_files.get(opf_path)
if not opf_xml:
raise ValueError(f"无效的 EPUB：找不到 {opf_path}")
@@ -91,6 +96,7 @@ class EpubTranslator(AiTranslator):
full_href = os.path.join(opf_dir, href).replace('\\', '/')
manifest_items[item_id] = {'href': full_href, 'media_type': item.get('media-type')}
+ # 定义需要翻译的标签
TAGS_TO_TRANSLATE = ['p', 'h1', 'h2', 'h3', 'h4', 'h5', 'h6', 'li', 'div', 'td', 'th']
for item_id, item_data in manifest_items.items():
@@ -112,6 +118,7 @@ class EpubTranslator(AiTranslator):
tags_to_process = []
for tag in all_potential_tags:
+ # 仅处理叶子节点块（不包含其他待翻译块的块）
contains_other_block = tag.find(
lambda child_tag: child_tag in all_potential_tags_set and child_tag is not tag
)
@@ -147,34 +154,54 @@ class EpubTranslator(AiTranslator):
original_html = original_texts[i]
translated_html = translated_texts[i]
- # --- 关键逻辑：根据标签类型选择不同的处理策略 ---
- is_table_cell = original_tag.name in ['td', 'th']
+ # --- 核心修复：解析并剥离 HTML/BODY 外壳 ---
+ # BeautifulSoup(html, 'lxml') 会自动补全 ，必须剥离
+ new_content_soup = BeautifulSoup(translated_html, 'lxml')
+ content_nodes = []
+ if new_content_soup.body:
+ content_nodes = list(new_content_soup.body.contents)
+ elif new_content_soup.html:
+ content_nodes = list(new_content_soup.html.contents)
+ else:
+ content_nodes = list(new_content_soup.contents)
+
+ # 策略 A: 替换模式（Replace）
if self.insert_mode == "replace":
original_tag.clear()
- new_content_soup = BeautifulSoup(translated_html, 'lxml')
- for node in list(new_content_soup.children):
+ for node in content_nodes:
original_tag.append(node.extract())
+ continue
- elif is_table_cell:
- # --- 表格单元格处理：在标签内部组合内容 ---
+ # 策略 B: 容器型元素 (td, th, li, div) -> 在内部追加
+ # 这样可以保护 ul/ol 结构不被打断，div 布局不被破坏
+ is_container_node = original_tag.name in ['td', 'th', 'li', 'div']
+
+ if is_container_node:
original_tag.clear()
- # 解析HTML片段
- original_nodes = BeautifulSoup(original_html, 'lxml').contents
- translated_nodes = BeautifulSoup(translated_html, 'lxml').contents
+ # 解析原文 (注意防范原文被解析出多余标签)
+ orig_soup = BeautifulSoup(original_html, 'lxml')
+ original_nodes = list(orig_soup.body.contents) if orig_soup.body else list(orig_soup.contents)
- # 创建分隔符节点
+ # 译文节点使用上面剥离好的 content_nodes
+ translated_nodes = content_nodes
+
+ # 构建分隔符 (容器内部使用 span/br，不使用 p/div 以防破坏行内流)
separator_nodes = []
if self.separator:
lines = self.separator.split('\n')
for j, line in enumerate(lines):
if line:
- separator_nodes.append(NavigableString(line))
+ sep_span = soup.new_tag('span', attrs={'class': 'translate-separator'})
+ sep_span.string = line
+ separator_nodes.append(sep_span)
if j < len(lines) - 1:
separator_nodes.append(soup.new_tag('br'))
+ # 额外加一个换行区分原文和译文
+ separator_nodes.append(soup.new_tag('br'))
- # 根据模式按顺序重新填充
+ # 组装内容
if self.insert_mode == "append":
nodes_order = [original_nodes, separator_nodes, translated_nodes]
else: # prepend
@@ -182,18 +209,32 @@ class EpubTranslator(AiTranslator):
for node_list in nodes_order:
for node in node_list:
- original_tag.append(node.extract() if isinstance(node, Tag) else node)
+ if node:
+ original_tag.append(node.extract() if isinstance(node, Tag) else node)
+ # 策略 C: 独立文本块 (p, h1-h6) -> 创建兄弟标签
else:
- # --- 常规块级元素处理：创建新标签 ---
- translated_tag = soup.new_tag(original_tag.name, attrs=original_tag.attrs)
- new_content_soup = BeautifulSoup(translated_html, 'lxml')
- for node in list(new_content_soup.children):
- translated_tag.append(node.extract())
+ # 复制属性，但必须删除 ID 以防冲突
+ new_attrs = dict(original_tag.attrs)
+ if 'id' in new_attrs:
+ del new_attrs['id']
+ translated_tag = soup.new_tag(original_tag.name, attrs=new_attrs)
+
+ # 填充译文
+ for node in content_nodes:
+ # 额外检查：防止 里面套
+ # 如果译文被识别为
翻译
，而外层容器也是 ，则只取内部文本
+ if isinstance(node, Tag) and node.name == original_tag.name and node.name == 'p':
+ for inner_child in list(node.contents):
+ translated_tag.append(inner_child.extract())
+ else:
+ translated_tag.append(node.extract())
+
+ # 创建块级分隔符
separator_tag = None
if self.separator:
- separator_tag = soup.new_tag('p')
+ separator_tag = soup.new_tag('div', attrs={'class': 'translate-separator'})
lines = self.separator.split('\n')
for j, line in enumerate(lines):
if line:
@@ -202,16 +243,19 @@ class EpubTranslator(AiTranslator):
separator_tag.append(soup.new_tag('br'))
if self.insert_mode == "append":
+ # 插入顺序：原文 -> 分隔符 -> 译文
current_node = original_tag
if separator_tag:
current_node.insert_after(separator_tag)
current_node = separator_tag
current_node.insert_after(translated_tag)
elif self.insert_mode == "prepend":
+ # 插入顺序：译文 -> 分隔符 -> 原文
original_tag.insert_before(translated_tag)
if separator_tag:
translated_tag.insert_after(separator_tag)
+ # 重新打包 EPUB
for file_path, soup in soups.items():
all_files[file_path] = str(soup).encode('utf-8')
@@ -266,4 +310,4 @@ class EpubTranslator(AiTranslator):
document.content = await asyncio.to_thread(
self._after_translate, all_files, soups, items_to_translate, translated_texts, original_texts
)
- return self
+ return self
\ No newline at end of file