質問編集履歴
1
解決策を追記
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -193,3 +193,155 @@
|
|
|
193
193
|
|
|
194
194
|
|
|
195
195
|
```
|
|
196
|
+
|
|
197
|
+
|
|
198
|
+
|
|
199
|
+
# とりあえず手作業も挟んで解決xD
|
|
200
|
+
|
|
201
|
+
tiitoiさんの推測どおり、[googletrans](https://py-googletrans.readthedocs.io/en/latest/)を使っています。最初は300語だったので、それが一日に積み重なって1万5,000語超える。。。確かに50回のトライはしたかもorz でも「ひとつのテキストで15000」という部分が納得できない(・_・) そこは信頼すべきでないか。。。
|
|
202
|
+
|
|
203
|
+
|
|
204
|
+
|
|
205
|
+
> The maximum character limit on a single text is 15k
|
|
206
|
+
|
|
207
|
+
|
|
208
|
+
|
|
209
|
+
とりあえず現行のpythonの翻訳ライブラリ系はほぼgoogleを使っている、またロシアで主流の[Яндекс](https://yandex.ru/)も課金制のようなので、以下のやり方に切り替えました。
|
|
210
|
+
|
|
211
|
+
|
|
212
|
+
|
|
213
|
+
1. `26and1.py`でロシア語の文章でよく使われる単語を頻出順に登場回数も含めてCSVに出力
|
|
214
|
+
|
|
215
|
+
2. 手動で出力したCSVをlibreofficeで開く (OSがLinux Mintのため)
|
|
216
|
+
|
|
217
|
+
3. 手動でロシア語の部分をコピー
|
|
218
|
+
|
|
219
|
+
4. 手動で[Яндекс.Переводчик](https://translate.yandex.ru/)にペーストし、翻訳。
|
|
220
|
+
|
|
221
|
+
5. 翻訳結果をコピーしてテキストファイルに保存。
|
|
222
|
+
|
|
223
|
+
6. テキストファイルの中身を`26and1.csv`に追記
|
|
224
|
+
|
|
225
|
+
|
|
226
|
+
|
|
227
|
+
```python
|
|
228
|
+
|
|
229
|
+
# 26and1.py
|
|
230
|
+
|
|
231
|
+
# -*- coding: utf-8 -*-
|
|
232
|
+
|
|
233
|
+
from nltk import FreqDist
|
|
234
|
+
|
|
235
|
+
import pymorphy2
|
|
236
|
+
|
|
237
|
+
import csv
|
|
238
|
+
|
|
239
|
+
import re
|
|
240
|
+
|
|
241
|
+
|
|
242
|
+
|
|
243
|
+
import del_words
|
|
244
|
+
|
|
245
|
+
|
|
246
|
+
|
|
247
|
+
downloadtxt = open('26and1.txt', 'r')
|
|
248
|
+
|
|
249
|
+
texts = downloadtxt.read()
|
|
250
|
+
|
|
251
|
+
texts = re.sub('[.,?!()\'—]', ' ', texts)
|
|
252
|
+
|
|
253
|
+
texts = texts.split()
|
|
254
|
+
|
|
255
|
+
|
|
256
|
+
|
|
257
|
+
analyzer = pymorphy2.MorphAnalyzer()
|
|
258
|
+
|
|
259
|
+
|
|
260
|
+
|
|
261
|
+
lemma_list = []
|
|
262
|
+
|
|
263
|
+
for text in texts:
|
|
264
|
+
|
|
265
|
+
lemma = analyzer.parse(text)[0].normal_form
|
|
266
|
+
|
|
267
|
+
lemma_list.append(lemma)
|
|
268
|
+
|
|
269
|
+
|
|
270
|
+
|
|
271
|
+
lemma_list = list(filter(lambda d: d not in (str(del_words.del_w)), lemma_list))
|
|
272
|
+
|
|
273
|
+
freqdist = FreqDist(lemma_list)
|
|
274
|
+
|
|
275
|
+
freqdist_list = freqdist.most_common(600)
|
|
276
|
+
|
|
277
|
+
|
|
278
|
+
|
|
279
|
+
with open('26and1.csv', 'w') as file:
|
|
280
|
+
|
|
281
|
+
writer = csv.writer(file, lineterminator = '\n')
|
|
282
|
+
|
|
283
|
+
writer.writerow(['Ру','Ном'])
|
|
284
|
+
|
|
285
|
+
for n in range(0, len(freqdist_list)):
|
|
286
|
+
|
|
287
|
+
writer.writerows([freqdist_list[n]])
|
|
288
|
+
|
|
289
|
+
pass
|
|
290
|
+
|
|
291
|
+
```
|
|
292
|
+
|
|
293
|
+
`26and1.py`出力結果
|
|
294
|
+
|
|
295
|
+
|
|
296
|
+
|
|
297
|
+
|
|
298
|
+
|
|
299
|
+
[Яндекс.Переводчик](https://translate.yandex.ru/)出力結果
|
|
300
|
+
|
|
301
|
+
(26and1_600JP.txt)
|
|
302
|
+
|
|
303
|
+
|
|
304
|
+
|
|
305
|
+
|
|
306
|
+
|
|
307
|
+
```python
|
|
308
|
+
|
|
309
|
+
# addJP.py
|
|
310
|
+
|
|
311
|
+
import pandas as pd
|
|
312
|
+
|
|
313
|
+
import warnings
|
|
314
|
+
|
|
315
|
+
warnings.filterwarnings('ignore')
|
|
316
|
+
|
|
317
|
+
|
|
318
|
+
|
|
319
|
+
jp = open('26and1_600JP.txt', 'r')
|
|
320
|
+
|
|
321
|
+
jp_w = jp.read()
|
|
322
|
+
|
|
323
|
+
jp_w = jp_w.split()
|
|
324
|
+
|
|
325
|
+
|
|
326
|
+
|
|
327
|
+
csv_input = pd.read_csv('26and1.csv', sep=",")
|
|
328
|
+
|
|
329
|
+
csv_input['Яп'] = ''
|
|
330
|
+
|
|
331
|
+
|
|
332
|
+
|
|
333
|
+
for index, row in csv_input.iterrows():
|
|
334
|
+
|
|
335
|
+
csv_input['Яп'][index] = jp_w[index]
|
|
336
|
+
|
|
337
|
+
|
|
338
|
+
|
|
339
|
+
csv_input.to_csv('26and1.csv', index=False)
|
|
340
|
+
|
|
341
|
+
```
|
|
342
|
+
|
|
343
|
+
addJP.py出力結果
|
|
344
|
+
|
|
345
|
+
|
|
346
|
+
|
|
347
|
+
しかしмочьは英語のcan相当だから「缶」ではなく「できる」なんだよな。。。そこはご愛嬌か^^; неяも多分訳が違って「彼女」みたいな感じだったと思う。。。そこは人力で修正^^ または最初からGoogle翻訳を使うか。
|