ವೆಬ್ ಪುಟಗಳನ್ನು ಭಾಷಾಂತರಿಸುವಾಗ ಸಂಪೂರ್ಣ HTML ಅನ್ನು ಬದಲಾಯಿಸಬೇಡಿ: ಅನುಮತಿಸಲಾದ ಪಠ್ಯ ನೋಡ್ಗಳನ್ನು ಮಾತ್ರ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ

ಈ ಲೇಖನವು ಆಕಸ್ಮಿಕವಾಗಿ ವೆಬ್ ಪುಟದ ಅನುವಾದದಲ್ಲಿ ಸ್ಕ್ರಿಪ್ಟ್ಗಳು ಮತ್ತು ಶೈಲಿಯ ವಿಷಯವನ್ನು ಬದಲಿಸುವ ನೋವಿನ ಹಂತದಲ್ಲಿ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ನ ಆಧಾರದ ಮೇಲೆ NavigableString ಪ್ರಕಾರದ ವ್ಯವಸ್ಥೆಯನ್ನು ಆಧರಿಸಿ ನಿಖರವಾದ ಫಿಲ್ಟರಿಂಗ್ ಪರಿಹಾರವನ್ನು ಒದಗಿಸುತ್ತದೆ. ಲೇಖನವು ಸಂಪೂರ್ಣ ಪೈಥಾನ್ ಸುರಕ್ಷಿತ ಬದಲಿ ಉದಾಹರಣೆಗಳು, ಸ್ಪಷ್ಟ ಇನ್ಪುಟ್ ಮತ್ತು ಔಟ್ಪುಟ್ ಗಡಿ ವ್ಯಾಖ್ಯಾನಗಳು ಮತ್ತು ಹಸ್ತಚಾಲಿತ ಸ್ವೀಕಾರ ಮಾತೃಕೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಮತ್ತು ಬಹು-ಫಾರ್ಮ್ಯಾಟ್ ಡಾಕ್ಯುಮೆಂಟ್ ಅನುವಾದಕ್ಕಾಗಿ ಮೌಲ್ಯಮಾಪನ ಉಲ್ಲೇಖವಾಗಿ ಓಮ್ನಿಡಾಕ್ ಅನ್ನು ಸ್ವಾಭಾವಿಕವಾಗಿ ಪರಿಚಯಿಸುತ್ತದೆ. ವಿಷಯವು ಮೂಲ ತಯಾರಕರ ದಸ್ತಾವೇಜನ್ನು ವಿಶೇಷಣಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಅನುಸರಿಸುತ್ತದೆ ಮತ್ತು ಯಾವುದೇ ಕಾಲ್ಪನಿಕ ಸಾಮರ್ಥ್ಯಗಳು ಅಥವಾ ಅಪಾಯಕಾರಿ ಕಾರ್ಯಾಚರಣೆಗಳಿಲ್ಲ.

ವೆಬ್ ಪುಟಗಳನ್ನು ಭಾಷಾಂತರಿಸುವಾಗ, ಅನೇಕ ಜನರು ಎದುರಿಸುವ ಮೊದಲ ತೊಂದರೆಯೆಂದರೆ ಅನುವಾದವು ನಿಖರವಾಗಿಲ್ಲ, ಆದರೆ ಸ್ಕ್ರಿಪ್ಟ್ಗಳು ಮತ್ತು ಶೈಲಿಗಳನ್ನು ಒಟ್ಟಿಗೆ ಅನುವಾದಿಸಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, <script> ನಲ್ಲಿನ ವೇರಿಯಬಲ್ ಹೆಸರುಗಳು ಮತ್ತು <style> ನಲ್ಲಿನ ವರ್ಗದ ಹೆಸರುಗಳನ್ನು ಪಠ್ಯವಾಗಿ ಬದಲಾಯಿಸಿದ ನಂತರ, ಬ್ರೌಸರ್ ನೇರವಾಗಿ ದೋಷವನ್ನು ವರದಿ ಮಾಡಬಹುದು ಮತ್ತು ಪುಟದ ಶೈಲಿಯು ಗೊಂದಲಕ್ಕೊಳಗಾಗುತ್ತದೆ. ಈ ಲೇಖನವು ಪೈಥಾನ್ನಲ್ಲಿ HTML ಪುಟದ ಅನುವಾದವನ್ನು ನಿರ್ವಹಿಸುವ ಡೆವಲಪರ್ಗಳು ಮತ್ತು ದಸ್ತಾವೇಜನ್ನು ತಂಡಗಳಿಗಾಗಿ ಉದ್ದೇಶಿಸಲಾಗಿದೆ.

ಈ ಲೇಖನದ ಅಂತ್ಯದ ವೇಳೆಗೆ, ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ನ ನ್ಯಾವಿಗೇಬಲ್ ಸ್ಟ್ರಿಂಗ್ ಪ್ರಕಾರವನ್ನು ಬದಲಿಸಲು ಅನುಮತಿಸಲಾದ ಪಠ್ಯ ನೋಡ್ಗಳನ್ನು ಗುರುತಿಸಲು ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ನಿಮಗೆ ತಿಳಿಯುತ್ತದೆ, ಸುರಕ್ಷಿತ ಬದಲಿ ಉದಾಹರಣೆಯನ್ನು ನೋಡಿ ಮತ್ತು ವಿತರಣೆಯ ಮೊದಲು ಯಾವ ಗಡಿಗಳು ಮತ್ತು ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳನ್ನು ಪರಿಶೀಲಿಸಬೇಕು ಎಂದು ತಿಳಿಯಿರಿ. ಈ ಲೇಖನದಲ್ಲಿನ ಮಾದರಿಗಳು ಎಲ್ಲಾ ಸಿಂಥೆಟಿಕ್ ಡೇಟಾ, ಮತ್ತು ಕೋಡ್ ಅನ್ನು ಪ್ರತ್ಯೇಕ ಪರಿಸರದಲ್ಲಿ ಮಾದರಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆ, ಆದರೆ ಇದು ಎಲ್ಲಾ ನೈಜ ಫೈಲ್ಗಳು ಅಥವಾ ಉತ್ಪನ್ನ ಪರಿಣಾಮಗಳ ಖಾತರಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ. ಪ್ರಮುಖ ದಾಖಲೆಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಮೊದಲು ದಯವಿಟ್ಟು ಮೂಲವನ್ನು ಇರಿಸಿ.

ವೆಬ್ ಪುಟ ಅನುವಾದದಲ್ಲಿ ಕೇವಲ ದೇಹದ ಪಠ್ಯವನ್ನು ಹೇಗೆ ಬದಲಾಯಿಸುವುದು? ಒಂದು ವಾಕ್ಯದ ತೀರ್ಮಾನ

ಬದಲಿ ಮಾಡುವ ಮೊದಲು, ಸ್ಕ್ರಿಪ್ಟ್, ಸ್ಟೈಲ್ಶೀಟ್, ಮತ್ತು ಟೈಪ್ ಜಡ್ಜ್ಮೆಂಟ್ ಮೂಲಕ ಕಾಮೆಂಟ್ಗಳಂತಹ ವಿಶೇಷ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಮೊದಲು ಹೊರಗಿಡಿ ಮತ್ತು ಸಾಮಾನ್ಯ NavigableString ಅನ್ನು ಮಾತ್ರ ಬದಲಾಯಿಸಿ.

ನಿಮ್ಮ ಪರಿಸ್ಥಿತಿಶಿಫಾರಸು ಮಾಡಿದ ಅಭ್ಯಾಸಗಳುಕಾರಣ
ಪಠ್ಯವು <p>, <span>, <li> ಒಳಗೆ ಇದೆಪರ್ಯಾಯವನ್ನು ಅನುಮತಿಸಿಪ್ರಮಾಣಿತ ಅನುವಾದ ಸನ್ನಿವೇಶಗಳಿಗೆ ಸೇರಿದೆ
ಪಠ್ಯವು <script>, <style> ಒಳಗೆ ಇದೆಬಲ ಬಿಟ್ಟುಬಿಡಿತಪ್ಪಾದ ಮಾರ್ಪಾಡು JS ಸಿಂಟ್ಯಾಕ್ಸ್ ದೋಷಗಳು ಅಥವಾ ಶೈಲಿ ಗೊಂದಲಕ್ಕೆ ಕಾರಣವಾಗಬಹುದು.
ನೋಡ್ ಪ್ರಕಾರವು Comment ಆಗಿದೆಜಿಗಿಯುತ್ತಾರೆಕಾಮೆಂಟ್ಗಳು ಪುಟ ಪ್ರದರ್ಶನದ ವಿಷಯದ ಭಾಗವಾಗಿರುವುದಿಲ್ಲ
ಪಠ್ಯವು <code>, <pre> ಒಳಗೆ ಇದೆಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಬಿಟ್ಟುಬಿಡಿತಾಂತ್ರಿಕ ದಾಖಲೆಗಳಲ್ಲಿನ ಸಾಮಾನ್ಯ ವಿನಾಯಿತಿಗಳಿಗೆ ಹಸ್ತಚಾಲಿತ ದೃಢೀಕರಣದ ಅಗತ್ಯವಿರುತ್ತದೆ
ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ನ ಹಳೆಯ ಆವೃತ್ತಿಯನ್ನು ಬಳಸುವುದುಪೋಷಕ ಟ್ಯಾಗ್ ಹೆಸರನ್ನು ಡೌನ್ಗ್ರೇಡ್ ಸನ್ನಿವೇಶವಾಗಿ ಪರಿಶೀಲಿಸಿಸ್ಪಷ್ಟ ಪ್ರಕಾರದ ಪರಿಶೀಲನೆಗೆ ಇನ್ನೂ ಆದ್ಯತೆ ನೀಡಲಾಗಿದೆ, 4.9.0 ಅಥವಾ ಹೆಚ್ಚಿನದನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ

NavigableString ಏಕೆ ಟೈಪ್ ಜಡ್ಜ್ಮೆಂಟ್ ಅನ್ನು ಮೊದಲು ಮಾಡಬೇಕು?

ಅನೇಕ ಡೆವಲಪರ್ಗಳು soup.find_all(text=True) ಅನ್ನು ಬಳಸಲು ಒಗ್ಗಿಕೊಂಡಿರುತ್ತಾರೆ ಅಥವಾ ಪುಟ ಪಠ್ಯವನ್ನು ಪಡೆಯಲು .strings ಅನ್ನು ದಾಟುತ್ತಾರೆ. ಶುದ್ಧ ವಿಷಯದ ಹೊರತೆಗೆಯುವಿಕೆಗೆ ಬಂದಾಗ ಈ ವಿಧಾನವು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಆದರೆ ಅನುವಾದ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ಅಪಾಯಕಾರಿಯಾಗಿದೆ. ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ 4.9.0 ನಂತರ HTML ಡಾಕ್ಯುಮೆಂಟ್ಗಳಿಗಾಗಿ ವಿಶೇಷ ಸ್ಟ್ರಿಂಗ್ ಉಪವರ್ಗಗಳನ್ನು ಪರಿಚಯಿಸಿತು. ಅವರು NavigableString ನಿಂದ ಆನುವಂಶಿಕವಾಗಿ ಪಡೆದರೂ, ಅವರ ಶಬ್ದಾರ್ಥವು ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನವಾಗಿದೆ.

  • Comment: ಕಾಮೆಂಟ್
  • Script: ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಕೋಡ್
  • Stylesheet: CSS ಶೈಲಿ
  • Template: HTML ಟೆಂಪ್ಲೇಟ್ ವಿಷಯ

ನೀವು ಈ ವಸ್ತುಗಳ ಮೇಲೆ .replace_with() ಗೆ ಕರೆ ಮಾಡಿದರೆ, ಪ್ರಸ್ತುತಿ ಅಲ್ಲದ ಲೇಯರ್ನ ವಿಷಯಗಳನ್ನು ಮಾರ್ಪಡಿಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, var userName = "admin"; ಅನ್ನು var 用户名 = "管理员"; ಗೆ ಅನುವಾದಿಸುವುದರಿಂದ JS ಸಿಂಟ್ಯಾಕ್ಸ್ ದೋಷ ಉಂಟಾಗುತ್ತದೆ. ಗುರಿಯು ಕೇವಲ ಒಂದು ಸರಳ NavigableString ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕ ಉಪವರ್ಗವಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಪರ್ಯಾಯದ ಮೊದಲು ಒಂದು ರೀತಿಯ ಸಮರ್ಥನೆಯನ್ನು ಮಾಡುವುದು ಸರಿಯಾದ ವಿಧಾನವಾಗಿದೆ.

XML ಡಾಕ್ಯುಮೆಂಟ್ಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ, CData, ProcessingInstruction, ಇತ್ಯಾದಿಗಳಂತಹ ವಿಶೇಷ ಪ್ರಕಾರಗಳಿಗೆ ಸಹ ನೀವು ಗಮನ ಹರಿಸಬೇಕು. ಅವುಗಳನ್ನು ಸಾಮಾನ್ಯ ಪಠ್ಯವಾಗಿ ಅನುವಾದಿಸಬಾರದು.

ಸಂಶ್ಲೇಷಣೆಯ ಉದಾಹರಣೆ: ಸರಿಯಾದ ಮತ್ತು ತಪ್ಪಾದ ನಡುವಿನ ಗಡಿ

ಈ ಕಾರ್ಯವಿಧಾನವನ್ನು ಪ್ರದರ್ಶಿಸಲು, ಮಿಶ್ರಿತ ವಿಷಯವನ್ನು ಹೊಂದಿರುವ ಸಿಂಥೆಟಿಕ್ HTML ತುಣುಕನ್ನು ಕೆಳಗೆ ನಿರ್ಮಿಸಲಾಗಿದೆ, ನಾಲ್ಕು ನೋಡ್ ಪ್ರಕಾರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ದೇಹ, ಸ್ಕ್ರಿಪ್ಟ್, ಶೈಲಿ ಮತ್ತು ಕಾಮೆಂಟ್.

ಇನ್ಪುಟ್ ಮಾದರಿ (ಸಂಶ್ಲೇಷಿತ ಉದಾಹರಣೆ):

<div class="content">
  Welcome user
  <script>var msg = "Welcome user";</script>
  <style>.msg { color: red; }</style>
  <!-- Welcome user -->
</div>

ನಿರೀಕ್ಷಿತ ಸರಿಯಾದ ಔಟ್ಪುಟ್:

  • <div> ಟ್ಯಾಗ್ನಲ್ಲಿ ನೇರ ಪಠ್ಯ ನೋಡ್ "ಸ್ವಾಗತ ಬಳಕೆದಾರ" ಅನ್ನು ಮಾತ್ರ "ಸುಸ್ವಾಗತ ಬಳಕೆದಾರ" ಎಂದು ಬದಲಾಯಿಸಲಾಗುತ್ತದೆ.
  • <script> ಒಳಗಿನ ತಂತಿಗಳು ಹಾಗೇ ಉಳಿದಿವೆ.
  • <style> ನ ವಿಷಯವು ಬದಲಾಗದೆ ಉಳಿಯುತ್ತದೆ ಮತ್ತು ಟಿಪ್ಪಣಿಯ ವಿಷಯವು ಬದಲಾಗದೆ ಉಳಿಯುತ್ತದೆ.
  • DOM ಕ್ರಮಾನುಗತ ಸಂಬಂಧವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಸಂರಕ್ಷಿಸಲಾಗಿದೆ.

ವಿಶಿಷ್ಟವಾದ ತಪ್ಪಾದ ಇನ್ಪುಟ್ ಮತ್ತು ಪರಿಣಾಮಗಳು:

ನೀವು ಪ್ರಕಾರ ಪರಿಶೀಲನೆಯನ್ನು ಸೇರಿಸದಿದ್ದರೆ ಮತ್ತು ಎಲ್ಲಾ NavigableString ನಲ್ಲಿ ನೇರವಾಗಿ ಜಾಗತಿಕ ಬದಲಿಯನ್ನು ನಿರ್ವಹಿಸದಿದ್ದರೆ, <script> ಟ್ಯಾಗ್ var msg = "欢迎用户"; ಆಗುತ್ತದೆ. ಕೆಲವು ಸಡಿಲವಾದ ವ್ಯಾಖ್ಯಾನಕಾರರು ದೋಷವನ್ನು ವರದಿ ಮಾಡದಿರಬಹುದು, ಆದರೆ ವೇರಿಯಬಲ್ ನಿಯೋಜನೆಯು ತಾರ್ಕಿಕ ತೀರ್ಪು ಅಥವಾ ಅಂತರಾಷ್ಟ್ರೀಯ ಕೀ-ಮೌಲ್ಯ ಮ್ಯಾಪಿಂಗ್ ಅನ್ನು ಒಳಗೊಂಡಿದ್ದರೆ, ಪ್ರೋಗ್ರಾಂ ತರ್ಕವು ವಿಫಲಗೊಳ್ಳುತ್ತದೆ. ಅನುವಾದ ಪ್ರಕ್ರಿಯೆಯು ಉಲ್ಲೇಖದ ಪ್ರಕಾರವನ್ನು ಬದಲಾಯಿಸಿದರೆ ಅಥವಾ ಅಕ್ಷರಗಳನ್ನು ತಪ್ಪಿಸಿದರೆ, ಸ್ಕ್ರಿಪ್ಟ್ ಪಾರ್ಸಿಂಗ್ ಅಡಚಣೆಯಾಗಬಹುದು ಮತ್ತು ಸಂಪೂರ್ಣ ಪುಟವು ಬಿಳಿ ಪರದೆಯಂತೆ ಗೋಚರಿಸುತ್ತದೆ.

ಪಠ್ಯ ನೋಡ್ಗಳ ಸುರಕ್ಷಿತ ಬದಲಿ ಪೈಥಾನ್ ಅನುಷ್ಠಾನ

ಮೇಲಿನ ಸಿಂಥೆಟಿಕ್ ಮಾದರಿಯನ್ನು ಮೆಮೊರಿಯಲ್ಲಿ ಹೇಗೆ ಸುರಕ್ಷಿತವಾಗಿ ನಿರ್ವಹಿಸುವುದು ಎಂಬುದನ್ನು ಈ ಕೆಳಗಿನ ಕೋಡ್ ತೋರಿಸುತ್ತದೆ. ಉದಾಹರಣೆಯು beautifulsoup4 ಅನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಅವಲಂಬನೆಗಳನ್ನು ಲಾಕ್ ಮಾಡುವ ಪರಿಸರದಲ್ಲಿ ದಯವಿಟ್ಟು ಅದನ್ನು ರನ್ ಮಾಡಿ. ವಿಶೇಷ ಸ್ಟ್ರಿಂಗ್ ಉಪವರ್ಗ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಬೆಂಬಲಿಸಲು ಆವೃತ್ತಿಯು 4.9.0 ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚಿನದಾಗಿರಬೇಕು ಎಂದು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಕೋಡ್ ನೆಟ್ವರ್ಕ್ ವಿನಂತಿಗಳನ್ನು ಒಳಗೊಂಡಿಲ್ಲ, ಆದರೆ ಪಾರ್ಸಿಂಗ್ ಮತ್ತು ಬದಲಿ ತರ್ಕವನ್ನು ಮಾತ್ರ ಪ್ರದರ್ಶಿಸುತ್ತದೆ.

from bs4 import BeautifulSoup, NavigableString, Comment
# BS4 4.9.0+ 才引入 Script, Stylesheet 等子类
try:
    from bs4 import Script, Stylesheet, Template
    HAS_SPECIAL_STRINGS = True
except ImportError:
    HAS_SPECIAL_STRINGS = False

def safe_translate_text(html_content: str, translation_map: dict) -> str:
    """
    仅替换普通文本节点,跳过脚本、样式、注释及模板。
    :param html_content: 原始HTML字符串(若处理文件请先读取为字符串)
    :param translation_map: 原文到译文的映射字典
    :return: 替换后的HTML字符串
    """
    soup = BeautifulSoup(html_content, 'html.parser')

    # 收集所有需要处理的字符串节点
    # 注意:不能边遍历边修改,需先收集再处理
    targets = []
    for element in soup.descendants:
        if not isinstance(element, NavigableString):
            continue
        # 核心防护:排除特殊功能字符串
        if isinstance(element, Comment):
            continue
        if HAS_SPECIAL_STRINGS and isinstance(element, (Script, Stylesheet, Template)):
            continue
        # 可选:跳过纯空白节点以减少无效API调用
        if not str(element).strip():
            continue

        targets.append(element)

    # 执行安全替换
    for node in targets:
        original = str(node)
        if original in translation_map:
            # 显式创建NavigableString确保DOM引用完整性
            new_node = NavigableString(translation_map[original])
            node.replace_with(new_node)

    return str(soup)

# --- 合成数据验证 ---
SAMPLE_HTML = '''<div>Welcome user<script>var x="Welcome user";</script><!-- Welcome user --></div>'''
DICT_MAP = {"Welcome user": "欢迎用户"}

result = safe_translate_text(SAMPLE_HTML, DICT_MAP)
assert "欢迎用户" in result, "正文应被翻译"
assert 'var x="Welcome user";' in result, "脚本内容不应被修改"
assert "<!-- Welcome user -->" in result, "注释不应被修改"
print("逻辑校验通过(教学示例,非生产环境实测证明)")

ಈ ಕೋಡ್ನ ಕೀಲಿಯು ಬಹು isinstance ಚೆಕ್ ಆಗಿದೆ. ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ ಹಳೆಯದಾಗಿದ್ದರೂ ಮತ್ತು Script ನಂತಹ ತರಗತಿಗಳನ್ನು ಬೆಂಬಲಿಸದಿದ್ದರೂ ಸಹ, ನೀವು ಪೋಷಕ ಟ್ಯಾಗ್ ಹೆಸರನ್ನು ಫಾಲ್ಬ್ಯಾಕ್ ಪರಿಹಾರವಾಗಿ ಪರಿಶೀಲಿಸಬಹುದು, ಆದರೆ ಸ್ಪಷ್ಟ ಪ್ರಕಾರದ ಪರಿಶೀಲನೆಗೆ ಯಾವಾಗಲೂ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ. ಸ್ಪಷ್ಟವಾದ NavigableString ನಿರ್ಮಾಣದೊಂದಿಗೆ replace_with ಅನ್ನು ಬಳಸುವುದು ನೇರ ನಿಯೋಜನೆಗಿಂತ ಸುರಕ್ಷಿತವಾಗಿದೆ. ಇದು ಮರದಲ್ಲಿನ ನೋಡ್ಗಳ ಉಲ್ಲೇಖ ಸಂಬಂಧವನ್ನು ಸರಿಯಾಗಿ ನಿಭಾಯಿಸುತ್ತದೆ ಮತ್ತು ಅನಾಥ ವಸ್ತುಗಳು ಅಥವಾ ಟೈಪ್ ಗೊಂದಲವನ್ನು ತಪ್ಪಿಸುತ್ತದೆ.

ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳು ಮತ್ತು ಹಸ್ತಚಾಲಿತ ವಿಮರ್ಶೆ ಗಡಿಗಳು

ಟೈಪ್ ಫಿಲ್ಟರಿಂಗ್ ರಕ್ಷಣೆಯ ಮೊದಲ ಸಾಲು ಮಾತ್ರ. ವಿತರಣೆಯ ಮೊದಲು, ಸ್ಕ್ರಿಪ್ಟ್ ಔಟ್ಪುಟ್ನಲ್ಲಿ ಕುರುಡು ನಂಬಿಕೆಯನ್ನು ತಪ್ಪಿಸಲು ಸ್ವಯಂಚಾಲಿತ ಸಂಸ್ಕರಣೆ ಮತ್ತು ಹಸ್ತಚಾಲಿತ ಹಸ್ತಕ್ಷೇಪದ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಸ್ಪಷ್ಟ ಸ್ವೀಕಾರ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ಸ್ಥಾಪಿಸುವ ಅಗತ್ಯವಿದೆ.

ವಿದ್ಯಮಾನಗಳನ್ನು ಗಮನಿಸಿಸ್ವಯಂಚಾಲಿತ ಪ್ರಕ್ರಿಯೆ ನಿರ್ಧಾರಗಳುಹಸ್ತಚಾಲಿತ ವಿಮರ್ಶೆ ಪ್ರಚೋದಕ ಪರಿಸ್ಥಿತಿಗಳುಟೀಕೆ
ಪಠ್ಯವು <p>, <span>, <li> ಒಳಗೆ ಇದೆಪರ್ಯಾಯವನ್ನು ಅನುಮತಿಸಿಯಾವುದೂ ಇಲ್ಲಪ್ರಮಾಣಿತ ಅನುವಾದ ಸನ್ನಿವೇಶ
ಪಠ್ಯವು <script>, <style> ಒಳಗೆ ಇದೆಬಲ ಬಿಟ್ಟುಬಿಡಿಶಂಕಿತ ಕಾನ್ಫಿಗರೇಶನ್ JSON ಡೇಟಾ ಕಂಡುಬಂದಿದೆಇದು i18n ಸಂಪನ್ಮೂಲವೇ ಎಂಬುದನ್ನು ದೃಢೀಕರಿಸುವ ಅಗತ್ಯವಿದೆ
ಪಠ್ಯವು <code>, <pre> ಒಳಗೆ ಇದೆಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಬಿಟ್ಟುಬಿಡಿ"ಕೋಡ್ ಕಾಮೆಂಟ್ಗಳು" ಅಥವಾ "ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಸ್ಟ್ರಿಂಗ್ಗಳು" ಎಂದು ಸ್ಪಷ್ಟವಾಗಿ ಲೇಬಲ್ ಮಾಡಲಾಗಿದೆತಾಂತ್ರಿಕ ದಾಖಲೆಗಳ ಸಾಮಾನ್ಯ ವಿಶೇಷ ಪ್ರಕರಣಗಳು
alt, title, placeholder ನಂತಹ ಗುಣಲಕ್ಷಣ ಮೌಲ್ಯಗಳುಈ ಲೇಖನದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿಲ್ಲಗುಣಲಕ್ಷಣ ಮೌಲ್ಯವು HTML ಘಟಕ ಅಥವಾ ವೇರಿಯಬಲ್ ಇಂಟರ್ಪೋಲೇಶನ್ ಅನ್ನು ಒಳಗೊಂಡಿದೆಪ್ರಾಪರ್ಟಿ ಟ್ರಾವರ್ಸಲ್ ಲಾಜಿಕ್ ಅನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಬರೆಯಬೇಕಾಗಿದೆ
ನೋಡ್ ಪ್ರಕಾರವು Comment ಆಗಿದೆಜಿಗಿಯುತ್ತಾರೆಟಿಪ್ಪಣಿಗಳು ಬಳಕೆದಾರರಿಗೆ ವಿವರಣಾತ್ಮಕ ಪಠ್ಯವನ್ನು ಹೊಂದಿರುತ್ತವೆಕೆಲವು CMS ಕಾಮೆಂಟ್ಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್ಗಳಾಗಿ ಬಳಸುತ್ತದೆ
ಬದಲಿ ನಂತರ HTML ಉದ್ದವು 300% ಕ್ಕಿಂತ ಹೆಚ್ಚು ಬದಲಾಗಿದೆಧ್ವಜ ಎಚ್ಚರಿಕೆಅನುವಾದವು ತಪ್ಪಿಸಿಕೊಳ್ಳಲಾಗದ ವಿಶೇಷ ಅಕ್ಷರಗಳನ್ನು ಒಳಗೊಂಡಿದೆಇಂಜೆಕ್ಷನ್ ಅಥವಾ ಲೇಔಟ್ ಓವರ್ಫ್ಲೋ ಅನ್ನು ತಡೆಯಿರಿ

ಈ ಕೋಷ್ಟಕವು ಕೋಡ್ ಪ್ರದರ್ಶನ ಮಟ್ಟದಲ್ಲಿ ತರ್ಕ ಪರಿಶೀಲನೆಗೆ ಮಾತ್ರ ಸೂಕ್ತವಾಗಿದೆ. ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಪರಿಣಾಮಕ್ಕೆ ನಿಜವಾದ ಬ್ರೌಸರ್ನಲ್ಲಿ ರೆಂಡರಿಂಗ್ ಫಲಿತಾಂಶಗಳ ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ. <meta> ಟ್ಯಾಗ್, ARIA ಟ್ಯಾಗ್ಗಳು, ಇತ್ಯಾದಿಗಳ content ಗುಣಲಕ್ಷಣಗಳು NavigableString ಗೆ ಸೇರಿಲ್ಲವಾದರೂ, ಅವುಗಳನ್ನು ಅನುವಾದಿಸಬೇಕಾಗಬಹುದು. ಇದಕ್ಕೆ ಪಾರ್ಸರ್ಗೆ ಆಟ್ರಿಬ್ಯೂಟ್ ಟ್ರಾವರ್ಸಲ್ ಸಾಮರ್ಥ್ಯಗಳ ಅಗತ್ಯವಿದೆ ಮತ್ತು ಈ ಲೇಖನದ ಈ ನೋಡ್ನ ವ್ಯಾಪ್ತಿಯನ್ನು ಮೀರಿದೆ.

ಹೆಚ್ಚಿನ ಓದುವಿಕೆ

ಡಾಕ್ಯುಮೆಂಟ್ ಅನುವಾದಕ್ಕಾಗಿ ಪರಿಶೀಲನಾಪಟ್ಟಿಗಳನ್ನು ಬಳಸಿ

ವೆಬ್ ಡಾಕ್ಯುಮೆಂಟ್ಗಳ ಪಠ್ಯ, ಲಿಂಕ್ಗಳು, ಕೋಡ್ ಮತ್ತು ರಚನೆಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕು. ಸಂರಕ್ಷಿತ ಭಾಗಗಳನ್ನು ಸ್ವೀಕಾರ ಪಟ್ಟಿಗೆ ಸೇರಿಸಿ, ತದನಂತರ ಅನುವಾದದ ನಂತರ ಓದುವಿಕೆ ಮತ್ತು ಪುಟ ಪ್ರಸ್ತುತಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ.

OmniDoc ಬಹು-ಫಾರ್ಮ್ಯಾಟ್ ಡಾಕ್ಯುಮೆಂಟ್ ಅನುವಾದ ಪೋರ್ಟಲ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ. ಅಧಿಕೃತ ವೆಬ್ಸೈಟ್ OCR, ಗ್ಲಾಸರಿ ಮತ್ತು ದ್ವಿಭಾಷಾ ಹೋಲಿಕೆಯಂತಹ ಕಾರ್ಯಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ. ತಂಡವು ಫೈಲ್ನಿಂದ ನೇರವಾಗಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದನ್ನು ಪ್ರಾರಂಭಿಸಲು ಬಯಸಿದರೆ, ಈ ಮಾರ್ಗವನ್ನು ನೈಜ ಮಾದರಿಗಳೊಂದಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದು. ದಯವಿಟ್ಟು ನೀವು ಅಪ್ಲೋಡ್ ಮಾಡಲು ಅನುಮತಿ ಹೊಂದಿರುವ ಡೀಸೆನ್ಸಿಟೈಸ್ ಮಾಡಿದ ಫೈಲ್ಗಳನ್ನು ಬಳಸಿ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಈ ಲೇಖನದಲ್ಲಿನ ಚೆಕ್ ಐಟಂಗಳನ್ನು ಬಳಸಿ. OmniDoc ಈ ಲೇಖನದಲ್ಲಿ ವಿವರಿಸಲಾದ ಓಪನ್ ಸೋರ್ಸ್ ಲೈಬ್ರರಿಗಳು ಅಥವಾ ಆಂತರಿಕ ಅಲ್ಗಾರಿದಮ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ ಎಂಬ ಹಕ್ಕುಗಳನ್ನು ಇದು ಒಳಗೊಂಡಿಲ್ಲ ಮತ್ತು ಉದಾಹರಣೆಗಳು ಉತ್ಪನ್ನ ಕಾರ್ಯಕ್ಷಮತೆ ಪರೀಕ್ಷೆಗೆ ಪರ್ಯಾಯವಾಗಿಲ್ಲ.

📊 ಕೋರ್ ಹೋಲಿಕೆ

ಅಭ್ಯಾಸಏನಾಗಬಹುದುಅನ್ವಯಿಸುವ ಸಂದರ್ಭಗಳು
ಎಲ್ಲಾ ಪಠ್ಯ ನೋಡ್ಗಳಿಗೆ ಜಾಗತಿಕ ಬದಲಿಸ್ಕ್ರಿಪ್ಟ್ ಮತ್ತು ಶೈಲಿಯ ವಿಷಯವನ್ನು ಮಾರ್ಪಡಿಸಲಾಗಿದೆ ಮತ್ತು DOM ರಚನೆಯು ಅಮಾನ್ಯವಾಗಬಹುದು.ಅನುವಾದ ಸನ್ನಿವೇಶಗಳಿಗೆ ಸೂಕ್ತವಲ್ಲ
ಸ್ಪಷ್ಟ isinstance ಪ್ರಕಾರದ ಫಿಲ್ಟರಿಂಗ್ಸಾಮಾನ್ಯ ಪಠ್ಯ ನೋಡ್ಗಳನ್ನು ಮಾತ್ರ ಬದಲಾಯಿಸಿ, ಕ್ರಿಯಾತ್ಮಕ ಉಪವರ್ಗಗಳನ್ನು ಉಳಿಸಿಕೊಳ್ಳಿಆದ್ಯತೆಯ ಆಯ್ಕೆ
ಪೋಷಕ ಟ್ಯಾಗ್ ಹೆಸರಿನ ಆಧಾರದ ಮೇಲೆ ಅವನತಿ ತೀರ್ಪುಸ್ಪಷ್ಟ ಪ್ರಕಾರದ ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಭಾಗಶಃ ಪ್ರದೇಶಗಳನ್ನು ಹೊರತುಪಡಿಸಿಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ನ ಹಳೆಯ ಆವೃತ್ತಿಗಳಿಗೆ ಪರ್ಯಾಯವಾಗಿದೆ

🎯 ಯಾವ ವಿಧಾನವು ನಿಮಗೆ ಸೂಕ್ತವಾಗಿದೆ?

ನೀವು ಇದ್ದರೆ.....

  • ವೆಬ್ ಪುಟದ ದೇಹದ ಭಾಷಾಂತರವನ್ನು ನಿಭಾಯಿಸಿ: ಸ್ಪಷ್ಟ ಪ್ರಕಾರದೊಂದಿಗೆ ಫಿಲ್ಟರ್ ಮಾಡಿ ಮತ್ತು ಸರಳ ನ್ಯಾವಿಗಬಲ್ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಮಾತ್ರ ಬದಲಾಯಿಸಿ.
  • <script> ಮತ್ತು <style> ನಲ್ಲಿನ ವಿಷಯಗಳನ್ನು ಅನುವಾದಿಸಬೇಕಾಗಿದೆ: ಇದು i18n ಸಂಪನ್ಮೂಲವಾಗಿದೆಯೇ ಎಂಬುದನ್ನು ಮೊದಲು ಖಚಿತಪಡಿಸಿ, ತದನಂತರ ಅದನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕೆ ಎಂದು ನಿರ್ಧರಿಸಿ. ಇದನ್ನು ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಬಿಟ್ಟುಬಿಡಲಾಗಿದೆ.
  • ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ನ ಹಳೆಯ ಆವೃತ್ತಿಯನ್ನು ಬಳಸುವುದು: ಡೌನ್ಗ್ರೇಡ್ ತೀರ್ಪುಗಾಗಿ ನೀವು ಪೋಷಕ ಟ್ಯಾಗ್ ಹೆಸರನ್ನು ಬಳಸಬಹುದು, ಆದರೆ 4.9.0 ಅಥವಾ ಹೆಚ್ಚಿನದಕ್ಕೆ ಅಪ್ಗ್ರೇಡ್ ಮಾಡಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ.
  • alt, title ಮತ್ತು ಇತರ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಭಾಷಾಂತರಿಸಲು: ಆಟ್ರಿಬ್ಯೂಟ್ ಟ್ರಾವರ್ಸಲ್ ಲಾಜಿಕ್ ಅನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಬರೆಯಬೇಕಾಗಿದೆ, ಮತ್ತು ಈ ವಿಧಾನವು ಈ ಭಾಗವನ್ನು ಒಳಗೊಂಡಿರುವುದಿಲ್ಲ.

❓ ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು (FAQ)

1. ಅನುವಾದಿಸಬೇಕಾದ ಪಠ್ಯವನ್ನು ಪಡೆಯಲು ನಾನು ನೇರವಾಗಿ find_all(text=True) ಅನ್ನು ಬಳಸಬಹುದೇ?

ಈ ವಿಧಾನವು ಶುದ್ಧ ವಿಷಯವನ್ನು ಹೊರತೆಗೆಯಲು ಸೂಕ್ತವಾಗಿದೆ, ಆದರೆ ಅನುವಾದ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ, ಸ್ಕ್ರಿಪ್ಟ್ ಮತ್ತು ಸ್ಟೈಲ್ಶೀಟ್ನಂತಹ ವಿಶೇಷ ಉಪವರ್ಗಗಳನ್ನು ಸಹ ಸಾಮಾನ್ಯ ಪಠ್ಯವಾಗಿ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ, ಇದು ಅಪಾಯಕಾರಿ.

2. ಬ್ಯೂಟಿಫುಲ್ ಸೂಪ್ನ ಆವೃತ್ತಿಯು ಹಳೆಯದಾಗಿದ್ದರೆ ನಾನು ಏನು ಮಾಡಬೇಕು?

ಪೋಷಕ ಟ್ಯಾಗ್ ಹೆಸರನ್ನು ಡೌನ್ಗ್ರೇಡ್ ಸನ್ನಿವೇಶವಾಗಿ ಪರಿಶೀಲಿಸಲು ಸಾಧ್ಯವಿದೆ, ಆದರೆ ಸ್ಪಷ್ಟ ಪ್ರಕಾರದ ಪರಿಶೀಲನೆಗೆ ಯಾವಾಗಲೂ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ ಮತ್ತು ಆವೃತ್ತಿ 4.9.0+ ಅನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ.

3. ಬದಲಿ ನಂತರ HTML ನ ಉದ್ದವು ಬಹಳವಾಗಿ ಬದಲಾಗುತ್ತದೆ. ನಾವು ಯಾವುದಕ್ಕೆ ಗಮನ ಕೊಡಬೇಕು?

ಉದ್ದವು 300% ಕ್ಕಿಂತ ಹೆಚ್ಚು ಬದಲಾದಾಗ ಎಚ್ಚರಿಕೆಯನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಬೇಕು ಮತ್ತು ಇಂಜೆಕ್ಷನ್ ಅಥವಾ ಲೇಔಟ್ ಓವರ್ಫ್ಲೋ ಅನ್ನು ತಡೆಗಟ್ಟಲು ಅನುವಾದವನ್ನು ತಪ್ಪಿಸಿಕೊಳ್ಳಲಾಗದ ವಿಶೇಷ ಅಕ್ಷರಗಳಿಗಾಗಿ ಪರಿಶೀಲಿಸಬೇಕು.

4. alt ಮತ್ತು title ನಂತಹ ಗುಣಲಕ್ಷಣ ಮೌಲ್ಯಗಳನ್ನು ಈ ಕೋಡ್ ಮೂಲಕ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತದೆಯೇ?

ಆಗುವುದಿಲ್ಲ. ಗುಣಲಕ್ಷಣದ ಮೌಲ್ಯಗಳು ಈ ಲೇಖನದ ವ್ಯಾಪ್ತಿಯಿಂದ ಹೊರಗಿವೆ ಮತ್ತು ಗುಣಲಕ್ಷಣದ ಟ್ರಾವರ್ಸಲ್ ಲಾಜಿಕ್ ಅನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಬರೆಯಬೇಕಾಗಿದೆ.

5. ನೈಜ ಫೈಲ್ಗಳಲ್ಲಿ ಇದನ್ನು ನೇರವಾಗಿ ಬಳಸಬಹುದೇ?

ಮೂಲ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಮೊದಲು ಇರಿಸಿಕೊಳ್ಳಲು ಮತ್ತು ಅಪ್ಲೋಡ್ ಮಾಡಲು ನೀವು ಅನುಮತಿ ಹೊಂದಿರುವ ಡಿಸೆನ್ಸಿಟೈಸ್ ಮಾಡಿದ ಡಾಕ್ಯುಮೆಂಟ್ನೊಂದಿಗೆ ಅದನ್ನು ಪರೀಕ್ಷಿಸಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಕೋಡ್ ಸಿಂಥೆಟಿಕ್ ಮಾದರಿ ತಪಾಸಣೆಯನ್ನು ಅಂಗೀಕರಿಸಿದೆ ಮತ್ತು ಎಲ್ಲಾ ನೈಜ ಫೈಲ್ಗಳ ಗ್ಯಾರಂಟಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ.

📝 ಸಾರಾಂಶ

ವೆಬ್ ಪುಟ ಅನುವಾದದ ಕೀಲಿಯು ಮೊದಲು ನೋಡ್ ಪ್ರಕಾರವನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ನಂತರ ಅದನ್ನು ಬದಲಾಯಿಸಬಹುದೇ ಎಂದು ನಿರ್ಧರಿಸುವುದು. ಸ್ಕ್ರಿಪ್ಟ್, ಸ್ಟೈಲ್ಶೀಟ್ ಮತ್ತು ಕಾಮೆಂಟ್ನಂತಹ ವಿಶೇಷ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಫಿಲ್ಟರ್ ಮಾಡಿ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಸ್ವೀಕಾರ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ಬಳಸಿ, ಇದರಿಂದ ಪುಟವು ಸಾಮಾನ್ಯವಾಗಿ ರನ್ ಆಗುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವಾಗ ಪಠ್ಯವನ್ನು ಅನುವಾದಿಸಬಹುದು.

ಇದೀಗ ಇದನ್ನು ಪ್ರಯತ್ನಿಸಿ: ಮೂಲ ವಿನ್ಯಾಸವನ್ನು ಉಳಿಸಿಕೊಂಡು ಅನುವಾದವನ್ನು ಪ್ರಾರಂಭಿಸಲು ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡಿ

ನವೀಕರಿಸಲಾಗಿದೆ 2026-11-16