尝试增加对docx的支持

docutranslate/translator/ai_translator/docx_translator.py

@@ -0,0 +1,157 @@
+import asyncio
+from dataclasses import dataclass
+from io import BytesIO
+from typing import Self, Literal, List, Dict, Any, Tuple
+
+import docx
+from docx.document import Document as DocumentObject
+from docx.table import _Cell
+
+from docutranslate.agents.segments_agent import SegmentsTranslateAgentConfig, SegmentsTranslateAgent
+from docutranslate.ir.document import Document
+from docutranslate.translator.ai_translator.base import AiTranslatorConfig
+from docutranslate.translator.base import Translator
+
+
+@dataclass
+class DocxTranslatorConfig(AiTranslatorConfig):
+    """
+    DocxTranslator 的配置类。
+    """
+    insert_mode: Literal["replace", "append", "prepend"] = "replace"
+    separator: str = "\n"
+
+
+class DocxTranslator(Translator):
+    """
+    用于翻译 .docx 文件的翻译器。
+    """
+
+    def __init__(self, config: DocxTranslatorConfig):
+        super().__init__(config=config)
+        self.chunk_size = config.chunk_size
+        agent_config = SegmentsTranslateAgentConfig(
+            custom_prompt=config.custom_prompt,
+            to_lang=config.to_lang,
+            baseurl=config.base_url,
+            key=config.api_key,
+            model_id=config.model_id,
+            system_prompt=None,
+            temperature=config.temperature,
+            thinking=config.thinking,
+            max_concurrent=config.concurrent,
+            timeout=config.timeout,
+            logger=self.logger
+        )
+        self.translate_agent = SegmentsTranslateAgent(agent_config)
+        self.insert_mode = config.insert_mode
+        self.separator = config.separator
+
+    def _pre_translate(self, document: Document) -> Tuple[DocumentObject, List[Dict[str, Any]], List[str]]:
+        """
+        预处理 .docx 文件，提取所有需要翻译的文本。
+
+        :param document: 包含 .docx 文件内容的 Document 对象。
+        :return: 一个元组，包含：
+                 - docx.Document 对象
+                 - 一个包含文本元素信息的列表 (e.g., paragraph, cell)
+                 - 一个包含所有待翻译原文的列表
+        """
+        doc = docx.Document(BytesIO(document.content))
+        elements_to_translate = []
+        original_texts = []
+
+        # 遍历所有段落
+        for para in doc.paragraphs:
+            if para.text.strip():  # 确保段落有实际内容
+                elements_to_translate.append({"type": "paragraph", "element": para})
+                original_texts.append(para.text)
+
+        # 遍历所有表格
+        for table in doc.tables:
+            for row in table.rows:
+                for cell in row.cells:
+                    if cell.text.strip():  # 确保单元格有实际内容
+                        elements_to_translate.append({"type": "cell", "element": cell})
+                        original_texts.append(cell.text)
+
+        return doc, elements_to_translate, original_texts
+
+    def _after_translate(self, doc: DocumentObject, elements_to_translate: List[Dict[str, Any]],
+                         translated_texts: List[str], original_texts: List[str]) -> bytes:
+        """
+        将翻译后的文本写回到 .docx 对象中。
+
+        :param doc: docx.Document 对象。
+        :param elements_to_translate: 包含文本元素信息的列表。
+        :param translated_texts: 翻译后的文本列表。
+        :param original_texts: 原始文本列表。
+        :return: 更新后的 .docx 文件内容的字节流。
+        """
+        for i, element_info in enumerate(elements_to_translate):
+            element = element_info["element"]
+            original_text = original_texts[i]
+            translated_text = translated_texts[i]
+
+            # 清空原有内容并写入新内容
+            if isinstance(element, docx.text.paragraph.Paragraph):
+                # 清空段落内容
+                element.clear()
+                # 根据插入模式添加文本
+                if self.insert_mode == "replace":
+                    element.add_run(translated_text)
+                elif self.insert_mode == "append":
+                    element.add_run(original_text + self.separator + translated_text)
+                elif self.insert_mode == "prepend":
+                    element.add_run(translated_text + self.separator + original_text)
+                else:
+                    self.logger.error("不正确的DocxTranslatorConfig参数")
+
+            elif isinstance(element, _Cell):
+                # 根据插入模式设置单元格文本
+                if self.insert_mode == "replace":
+                    element.text = translated_text
+                elif self.insert_mode == "append":
+                    element.text = original_text + self.separator + translated_text
+                elif self.insert_mode == "prepend":
+                    element.text = translated_text + self.separator + original_text
+                else:
+                    self.logger.error("不正确的DocxTranslatorConfig参数")
+
+        # 将修改后的文档保存到 BytesIO 流
+        doc_output_stream = BytesIO()
+        doc.save(doc_output_stream)
+        return doc_output_stream.getvalue()
+
+    def translate(self, document: Document) -> Self:
+        """
+        同步翻译 .docx 文件。
+        """
+        doc, elements_to_translate, original_texts = self._pre_translate(document)
+        if not elements_to_translate:
+            print("\n文件中没有找到需要翻译的文本内容。")
+            return self
+
+        # 调用翻译 agent
+        translated_texts = self.translate_agent.send_segments(original_texts, self.chunk_size)
+
+        # 将翻译结果写回文档
+        document.content = self._after_translate(doc, elements_to_translate, translated_texts, original_texts)
+        return self
+
+    async def translate_async(self, document: Document) -> Self:
+        """
+        异步翻译 .docx 文件。
+        """
+        doc, elements_to_translate, original_texts = await asyncio.to_thread(self._pre_translate, document)
+        if not elements_to_translate:
+            print("\n文件中没有找到需要翻译的文本内容。")
+            return self
+
+        # 异步调用翻译 agent
+        translated_texts = await self.translate_agent.send_segments_async(original_texts, self.chunk_size)
+
+        # 将翻译结果写回文档
+        document.content = await asyncio.to_thread(self._after_translate, doc, elements_to_translate, translated_texts,
+                                                   original_texts)
+        return self