基于Python的中英政治语料构建

刘蜜蜜

[摘  要：随着中国在国际舞台上影响力的提升，中国的对外宣传也愈加重要。政治文本要求翻译忠实、准确，切合时政热点，这也要求翻译工作中大量参考已有翻译。本文重点介绍如何利用Python中的Requests库进行文本的抓取，以及通过在线语料对齐平台进行语料对齐，从而利用网页上的文本信息构建可以为我们所用的语料信息。

关键词：Python;政治文本;翻译;语料库]

“一带一路”倡议之后，国内外关于中国政治的研究越来越多，政治文本翻译也成为了一个强需求。面对如此海量的政治文本，语料库和翻译技术成为一个重要工具。

1政治文本的特点

政务文本主要有两个特点：一是准确性，二是实时性。政治文本直接牵涉到政治立场和观点，所以翻译此类文本应用词准确，避免引起不必要的误解，外宣翻译倾向于完全“忠实”于原文。最行之有效的方式就是找已有的官方译文进行借鉴。除了对于准确性的要求，政治文本的内容往往具有很强的实时性，往往需要结合时事热点，例如，2019年之后外宣文本中出现“绿水青山就是金山银山”的表述，是近些年才被热议的话题。

2信息时代翻译的特点

当今的翻译工作越来越多的受到科技发展的驱使，人工智能、大数据、云的发展，都极大地改变了人们的工作方式和状态。此外，在全球化与本地化加速发展的现在，翻译的需求量加大 ，翻译效率也成为了重中之重。这种情况下，计算机技术也就成为了我们的必然选择。

译员对于信息化的需求主要有3个层面：首先，译员之间需要横向合作，需要翻译协作和大型翻译项目管理软件。其次，还需要借助众多译员的长期双语语料积累，译者之前翻译和求证过的翻译也是重要参考。最后，不同的译员之间需要语料共享。

3利用Python抓取政治文本语料

利用Python手段抓取政治文本语料的过程主要分为4步：

3.1确定目标.由于政治文本对于实时热点的要求比较高，此次任务中选择英语点津网站的新闻播报栏目的内容进行抓取。在爬虫之前，其robots协议（反爬虫规则）显示英语点津网站是没有robots文件的，也就是说不对爬虫加以限制;

3.2页面分析。下一步我们调出开发者工具进行页面分析。从代码中，我们可以看到我们可以知道，版面目录存放在一个 class = “gy_box” 的 div 标签下，每一个 div 表示一个版面，而版面的链接就在 target = “_blank”， class=”gy_box_img”， shape=”rect” 的 a 标签中;

3.3利用requests库获取文本。

3.3.1安装requests库

Requests库是一个Python第三方库，处理URL资源特别方便。在Pycharm中的安装方式是打开 PyCharm，单击“File”（文件）菜单，选择“Setting for New Projects...”命令，选择“Project Interpreter”（项目编译器）命令，确认当前选择的编译器，然后单击右上角的加号，添加Requests库。如果使用Python自带的编辑器，只需要在命令提示符中输入：

pip install requests

3.3.2 用get获取信息

使用Python第三方库requests的get （URL） 方法获取网页信息。

import requests

r=requests.get（“https：//language.chinadaily.com.cn/a/202003/03/WS5e5e5121a31012821727c044.html”）

r.status_code

r.text[：100]

得到源文本的代码之后，还需要用正则表达式或者lxml去除网页内容中的特殊字符，得到只有中英文字符的新闻原文。

3.3.3将文本信息存储

使用with open （‘文件名， 方式） as变量名， 对获取的网页文本信息存储到本地txt文件。

3.3.4利用語料商城进行语料对齐

我们还需要将得到的语料制作成符合CAT软件要求的格式。可以利用tmxmall的在线对齐功能进行调整，选择“单语文档对齐”即可很快捷地完成对齐。

4小结

翻译过程中，译员们常常寻求专业网站支持，但是这种简单的搜索还存在着问题。首先，站内搜索效率不高，网页加载对网速有要求，同时打开网页太多也会给电脑带来压力。其次，政治文本的查询需要参考来自多个平台的内容，多次搜索的动作，比较费时费力。

而这种基于Python的方式就可以很好的解决这两个问题，避免了打开多个网页的繁杂的查询过程，可以同时爬取多个页面，提高了查询的效率。此外，这种爬取的方式灵活方便，可以即时添加新的语料信息，保证了语料的实时性。

参考文献

[1]赵振国.基于Python的网络语料获取和文本提取方法探索[J].教育现代化，2019，6（14）：188-190.

[2]杨丽，孙昂，刘俐.论个人翻译语料库的建立和使用[J].企业家天地下半月刊（理论版），2007（11）：200-201.

[3]庚庚911. python基础-文件读写with open as语句[EB/OL].https：//blog.csdn.net/yetugeng/article/details/83870197？depth_1-utm_source=distribute.pc_relevant.none-task&utm_source= distribute.pc_relevant.none- task. 2018-11-08.

浙江大学  浙江  杭州  310058