【亲测免费】 deep-translator 项目教程
2026-01-20 02:04:37作者:袁立春Spencer
1、项目介绍
deep-translator 是一个灵活、免费且不限量的 Python 工具,用于在不同语言之间进行简单翻译。它集成了多个翻译器,包括 Google Translate、Pons、Linguee、MyMemory、Yandex、Papago、Deepl、Qcri 等,使用户能够轻松地在这些翻译器之间切换,以获得最佳的翻译结果。
该项目的主要目标是提供一个简单易用的接口,让开发者能够快速集成多种翻译服务,而无需单独处理每个翻译器的 API。
2、项目快速启动
安装
首先,确保你已经安装了 Python 环境。然后,使用 pip 安装 deep-translator:
pip install deep-translator
基本使用
以下是一个简单的示例,展示如何使用 deep-translator 进行文本翻译:
from deep_translator import GoogleTranslator
# 初始化翻译器
translator = GoogleTranslator(source='en', target='zh-CN')
# 翻译文本
text = "Hello, how are you?"
translated = translator.translate(text)
print(translated) # 输出: 你好,你好吗?
支持的语言
你可以通过以下代码查看 GoogleTranslator 支持的所有语言:
from deep_translator import GoogleTranslator
# 获取支持的语言列表
langs_list = GoogleTranslator().get_supported_languages()
print(langs_list) # 输出: ['arabic', 'french', 'english', ...]
# 或者获取语言及其缩写的字典
langs_dict = GoogleTranslator().get_supported_languages(as_dict=True)
print(langs_dict) # 输出: {'arabic': 'ar', 'french': 'fr', 'english': 'en', ...}
3、应用案例和最佳实践
应用案例
-
多语言聊天机器人:使用
deep-translator可以轻松实现一个支持多语言的聊天机器人,自动将用户输入翻译为目标语言。 -
文档翻译工具:开发一个工具,自动将文档内容翻译为多种语言,适用于国际化项目。
最佳实践
-
避免频繁实例化:为了提高性能,建议不要频繁实例化翻译器对象。可以重用同一个翻译器实例,并通过更新其属性来改变源语言和目标语言。
translator = GoogleTranslator(source='auto', target='german') result = translator.translate(text=text) print(result) # 更新目标语言为法语 translator.target = 'french' result = translator.translate(text=text) print(result) -
错误处理:在实际应用中,建议添加错误处理机制,以应对网络问题或 API 限制。
4、典型生态项目
Translator++ 应用
deep-translator 的作者还开发了一个基于该库的跨平台应用 Translator++,使用 Kivy 框架开发。该应用集成了多种翻译器,用户可以通过图形界面轻松进行翻译操作。
- GitHub 仓库:Translator++
- Google Play 商店:Translator++
其他生态项目
- deep-translator-web:一个基于
deep-translator的 Web 应用,提供在线翻译服务。 - deep-translator-desktop:一个桌面应用,使用
deep-translator进行多语言翻译。
这些项目展示了 deep-translator 在不同平台和场景中的应用潜力,开发者可以参考这些项目来构建自己的翻译工具。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
450
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250