从英语翻译到英语

Question

我写了一个python脚本，从一个叫做“魔鬼是部分定时器”的动画把英语转换成Entean语言。我在编码方面很马虎，我知道这个脚本可以做得更好。

在动画中，English的语言叫做Entean，它基本上是英语字母表中的大部分辅音。元音和辅音'L'，'N'，'Q‘保持他们原来的位置。ABCDEFGHIJKLMNOPQRSTUVWXYZ改为AZYXEWVTISRLPNOMQKJHUGFDCB。例如，“人”是“土豆泥”，而“世界”则是“狐狸”。

以下是代码：

alphabet = "ABCDEFGHIJKLMNOPQRSTUVWXYZ".lower()
switched = "AZYXEWVTISRLPNOMQKJHUGFDCB".lower()

usr_txt = input("Enter Englsih text:")

print(usr_txt)

def get_letter(eng_letter):
    if alphabet.find(letter):
        if eng_letter.isupper():
            alpha_place = alphabet.find(letter.lower())
            return(switched[alpha_place].upper())
        else:
            alpha_place = alphabet.find(letter.lower())
            return(switched[alpha_place])
    else:
        return(eng_letter)


ent_word = ""
ent_output = ""


for word in usr_txt.split(" "): 
    ent_word = ""
    for letter in word:
        ent_letter = get_letter(letter)
        ent_word += ent_letter
    ent_output += " " + ent_word


print(ent_output.strip())

如果您感兴趣，可以在https://github.com/Logmytech/English-to-Entean找到更新的代码

Answer 1

最惯用的Python解决方案是使用str.translate()函数，它正好解决了这个问题。

我看不出有什么理由把输入分成几个字，然后把结果重新组合在一起。只需一次转换整个字符串(其中空间映射到自身)。

Answer 2

使用字典

我们基本上只是从一个字母映射到另一个字母。最自然的方法是实际使用地图：

to_entean = {...}

建立字典的最简单方法是使用zip()：

to_entean = {eng: ent
    for eng, ent in zip(string.ascii_uppercase, 'AZYXEWVTISRLPNOMQKJHUGFDCB')
    }

现在，to_entean['A'] == 'A'和to_entean['B'] == 'Z'等等。这简化了您的get_letter函数，使其：

def get_letter(letter):
    ent = to_entean.get(letter.upper(), letter)
    if not letter.isupper():
        ent = ent.lower()
    return ent

字符串压缩

字符串连接速度很慢。而且它读起来很可怕。我们要做的是对get_letter中的每一个字母调用word，然后将它们连接到一起。这就是join()的目的：

ent_word = ''.join(get_letter(letter) for letter in word)

为什么要分裂？

因为get_letter()已经处理了空格，所以我们不必分词。只是改变了整件事

print(''.join(get_letter(letter) for letter in usr_txt))

如果您愿意，也可以拼写如下：

print(''.join(map(get_letter, usr_txt)))

台风

你在这里有个错误：

usr_txt = input("Enter Englsih text:")
                       ^^^^^^^

Answer 3

Barry和200_success提出了一些算法建议，我验证了与您的原始版本和我自己的两个修改版本相比以后的速度。但是在处理这些版本之前，让我们回顾一下您的代码：

• 避免使用顶级代码- In脚本--您先从一些常量开始，然后在顶层请求文本，然后在处理所要求的文本之前定义一个函数get_letter。这里不干净。如果您引入一个函数来翻译整个文本，并且引入一个主函数，则可以将此代码模块化。然后，您将能够从另一个脚本(即下载动画的脚本)导入您的模块，并且您可以从模块调用您的to_entean()。要仍然允许将其作为脚本运行，请在文件末尾使用if __name__ == '__main__': main()。参见下面的代码示例
• 存储函数的结果，当重复使用时--对于每个字母，您执行三次alphabet.find()，即它太多了两次。做一次，然后就结束了。
• Bug 1:您将eng_letter和letter混合在get_letter() - This中是一个失败，您可能在将代码复制粘贴到代码审查时引入它.他们应该还是一样的
• Bug 2:标点符号被错误地翻译成- When，使用find在找不到字母时返回-1，这在Python中是一个合法的索引，因此它很高兴地返回该位置的字符：b。
• 请使用完整的变量名-在大多数情况下，像ent_word、eng_letter或usr_txt之类的东西应该被拼出来，比如entean_word、english_letter或user_text。从长远来看，这样做对每个人来说都更容易。
• 命名主要是好的--如果您扩展名称，则您的命名大部分是好的。不过，我会将常量设置为UPPER_SNAKE_CASE，以清楚地将它们识别为常量。
• 将整个字母表作为一个常量--在您的代码中，您需要做大量的lower()和upper()操作。特别是设置常量时，这是浪费的。在get_letter()中，这是更容易理解的，但是如果您用小写和大写字母将常量加倍，则不需要调用任何位置。
• 在紧凑型块中添加垂直间距，- Your get_letter()非常精简，很难读懂，而且所有的return语句混合在一起，很难看出到底发生了什么。我的规则是在if、elif、else、for和while之前添加空行，有时在逻辑代码块前面添加空行。还请注意，函数的前面应该有两个空行。
• 拆分、添加和剥离字符串有点昂贵--大多数情况下您的代码都是这样做的。知道你的选择，并选择一个最适合你。在重构您的代码时，我保留了一个版本，并与Barry一样加入了一个版本。看看这两个的时差。

代码重构

根据我的评论进行重构时，我将得到以下代码：

FULL_ENGLISH_ALPHABET = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz"
FULL_ENTEAN_ALPHABET = "AZYXEWVTISRLPNOMQKJHUGFDCBazyxewvtisrlpnomqkjhugfdcb"


def get_letter(letter):
    """Return english letter translated to entean."""
    alpha_place = FULL_ENGLISH_ALPHABET.find(letter)

    return FULL_ENTEAN_ALPHABET[alpha_place] if alpha_place >= 0 else letter


def to_entean(text):
    """Return text translated from english to entean."""

    entean_output = ""

    for word in text.split(" "): 
        entean_word = ""

        for letter in word:
            entean_letter = get_letter(letter)
            entean_word += entean_letter

        entean_output += " " + entean_word

    return entean_output.strip()


def main(text=None, with_output=False):

    if with_output:
        print("\nmain")

    if text is None:
        text = input("Enter English text: ")

    if with_output:    
        print(text)
    entean_text = to_entean(text)
    if with_output:
        print(entean_text)

main()的默认参数用于增强下面的测试，因此可以编写得更简单。如果在编写时不考虑其他版本，我很可能也会从常量中去掉FULL_。

请注意，当我找到一个字母时，我还将整个get_letter()简化为一个返回，并将字母表扩展到大写字符和小写字符。

使用join的to_entean()的替代版本如下：

def to_entean_join(text):
    """Return text translated from english to entean."""

    return ''.join(get_letter(letter) for letter in text)

性能审查

使用上述main()方法的变体，我测试了您的原始版本、我的版本和200_success版本。我在IPython 2中进行了测试，但我假设即使是Python3也会保持相同的差异。请注意，测试这段代码的性能有点徒劳无益，但是它对于查看代码中的变化如何影响性能也是有用的。

我做的测试是：

In [1]: for test_main in (main_org, main_barry, main, main_v2, main_200_success):
  ...:     print('{:<16}: '.format(test_main.__name__), end='') 
  ...:     %timeit test_main("Hello world! Welcome humans to the Entean world. This text is written in Entean. Cool?")
  ...:

它提供了以下输出：

main_org        : 10000 loops, best of 3: 93.2 µs per loop
main_barry      : 10000 loops, best of 3: 70.7 µs per loop
main            : 10000 loops, best of 3: 57.6 µs per loop
main_v2         : 10000 loops, best of 3: 52.7 µs per loop
main_200_success: The slowest run took 6.24 times longer than the fastest. This could mean that an intermediate result is being cached 
1000000 loops, best of 3: 649 ns per loop

可以看出，从性能上看，最明显的赢家是200_success的版本，因为这是一个使用专门翻译方法的专门版本。

另一个有趣的事实是，从分裂、添加和剥离(在main中)到连接(在main_v2中)几乎减少了10%的时间。使用dict(在main_barry中)、upper()和isupper()比原始代码快，但比find()慢。在我和巴里的join版本中，我都使用了一个没有map()的版本，如果使用map()的话，时间会改善4-6秒S。

关于测试与各种解决方案初始化成本相关的性能的说明，因为Barry和200_success的版本都有较小的初始化成本(不包括在上面的时间)。但这是在60-70岁S的速度，因此，如果做大量的翻译，它可以合理地使用更多的时间初始化。

从这一切中吸取的主要教训是两方面的：

• 使用专用资源(如str_translate() )通常可以大大缩短执行时间。
• 清理代码，避免不必要的操作，也会对执行时间产生重大影响(在这种情况下，执行时间几乎快了50% )。更不用说更容易维护和回到后期阶段了