从零开始实现一个终端小词典

最近花了一点时间写了一个词典小工具。复制你需要查询的单词，在终端输入ss即可得到查询结果。查询过的单词和结果会被追加写入本地的文件，生成生词本。

coderDic.gif

实际Mac上单词的查询非常的简单：你可以 command + control + d 来自动划词查询，也可以设置手势三指轻拍来唤出结果。我不满意的地方在于这种查询方式无法汇总我查询过的单词，另外翻译的结果很多时候我看起来太过冗余。

mac自带词典的查询结果

另外一个我动手的原因是：之前的文章一直太过理论了，为了整理这些内容花了太多精力在概念的理解上，我希望能够找一个机会动手写一写代码。

项目地址：CoderDic
编程语言：python 2.7.10
系统环境：macOS 10.12.6
依赖库：参见requirements.txt

---

要实现这样一个小工具，第一步需要思考的是翻译来源。我本身是希望借助已有的翻译 api来做这件事情，比如百度翻译和有道翻译。可是查看文档以后我觉得不是特别满意，理由如下：

• 需要自己去弄一个key
• 这部分api应用场景是给出一个最贴切的翻译结果，所以查询结果单一不全面。

举一个简单的例子，我利用Postman向百度翻译请求翻译apple

{
    "from": "en",
    "to": "zh",
    "trans_result": [
        {
            "src": "apple",
            "dst": "苹果"
        }
    ]
}

作为翻译api，这样的返回没有问题，按照用户查询的内容给出最可能的翻译；但是作为词典，这样的结果不太能够接受。所以我放弃了这种方案，选择了爬取百度搜索得到的结果。

比如我需要查询apple，我可以百度搜索apple 翻译

apple 翻译

“单词” + 翻译 组合搜索的方式，返回的第一条就是百度翻译的结果，附带音标，多语义解释，例句和包括复数过去式等其他的解释。

这样第一步就明确了，我们模拟向百度发起一个搜索请求，获取返回结果，代码如下

def searchWord(word):
    # get html text
    request = urllib2.Request('http://www.baidu.com/s?wd='+urllib.quote(word + "翻译"))
    response = urllib2.urlopen(request)

    #parse html
    soup = BeautifulSoup(response.read(), "lxml")

利用urllib2和BeautifulSoup来获取百度返回的结果并进行解析。借助Chrome的开发者工具，我们来分析一下返回界面，确定我们需要的翻译结果在哪里。

Chrome 开发者工具

可以发现所有的结果都包含在一个class=op_dict_content的div里

content = soup.find_all("div", {'class':"op_dict_content"})

    if content:
            print 'get success'
    else:
            print ‘get fail! Please check your word is correct!'

我们尝试获取这个div，如果获取成功继续解析，失败则提示检查输入单词。重复上述步骤，我们逐个获取需要的内容。

        #get word symbol
        symbol = ''
        symbols_table = soup.find(class_="op_dict_table")
        symbol_trs = symbols_table.find_all("tr")
        for tr in symbol_trs:
            for td in tr.find_all('td'):
                symbol += stringHandle(td.getText()) + ' '
            print symbol

        #get translations
        translations = []
        translation_table = soup.find_all(class_ = re.compile("op_dict3_english_result_table"));
        for tr in translation_table:
            aaa = ''
            for td in tr.find_all('td'):
                temp = stringHandle(td.getText())
                if temp == '[其他]': 
                    temp = '\n' + temp + '\n'
                translations.append(temp);
                aaa += temp + ' '
            print aaa
        print '\n'

音标和翻译都成功获取，但是在拿例句的时候发生了一些问题，在返回的网页源码当中是没有这部分内容的。

原因非常简单，这部分的内容是通过Ajax动态获取的。要获得这部分的内容显然直接抓取不太现实，为了获取这部分动态的资源我们可以利用Selenium+PhantomJS来模拟浏览器的环境，从而请求获取这部分的内容。

但是，但是！这个框架太重了！我们只是要例句这么一点内容，不至于这么复杂。让我们分析一下网页到底请求了什么，简单模拟一下就可以了。

我查看了网页的源码，确实在一个