程序员可以用的翻译软件

A. 程序员用什么工具翻译英文文档

金山词霸，不过要词库比较全的那种，还有就是任何工具进行整句翻译的最终结果大部分情况下你会发现还不如原文好懂，所以主要还是翻译生词，金山词霸指词翻译非常方便，而且如果你的词库比较全，包含编程方面的专业词汇的话，词义也比较准确。

B. java阅读源码，大量英文注释阅读不方便，求集成idea里面的翻译java注释由英文翻译为中文的工具。

学会在idea（eclipse）中阅读、调试源码，是java程序员必不可少的一项技能。

在idea中配完环境后，默认其实也是能够对jdk的源码进行debug调试的。但是无法在源码中添加自己的注释，无法添加自己的理解。如果干瞪眼看的话，可能过段时间，就忘记了。下面就介绍下，如何在jdk源码中为所欲为，像在我们自己的代码中一样写注释、调代码：

打开idea，选择Project->File->Project Structure->SDKs->Sourcepath，初始状态如下图 ：

这时，再重新打开jdk的源码类，我们就可以在源java文件中，添加自己的注释了。

一定注意：添加注释时，一定不要新加一行写注释。最好在一行代码的后面，使用//进行注释。否则行号和真正的jre中编译后的代码行号对应不上，如果对源码debug时，会出现代码运行和行号不匹配的情况

C. python有哪些好用的语言翻译方法

1 import re
2 import urllib.parse, urllib.request
3 import hashlib
4 import urllib
5 import random
6 import json
7 import time
8 from translate import Translator

非python自带的库，如python google translator，需要手动安装，命令pip install mole_name。

1. 网络翻译

1 appid = 'your_appid'
2 secretKey = 'your_secretKey'
3 url_ = 'http://api.fanyi..com/api/trans/vip/translate'
4
5 def translateBai(text, f='ja', t='zh'):
6 salt = random.randint(32768, 65536)
7 sign = appid + text + str(salt) + secretKey
8 sign = hashlib.md5(sign.encode()).hexdigest()
9 url = url_ + '?appid=' + appid + '&q=' + urllib.parse.quote(text) + '&from=' + f + '&to=' + t + \
10 '&salt=' + str(salt) + '&sign=' + sign
11 response = urllib.request.urlopen(url)
12 content = response.read().decode('utf-8')
13 data = json.loads(content)
14 result = str(data['trans_result'][0]['dst'])
15 print(result)

参数：text--待翻文本，f--初始语言，t--目标语言，后面方法类似。

2. 有道翻译

1 url_you = 'http://fanyi.you.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=' \
2 'http://www.you.com/'
3 dict = {}
4 dict['type'] = 'AUTO'
5 dict['doctype'] = 'json'
6 dict['xmlVersion'] = '1.8'
7 dict['keyfrom'] = 'fanyi.web'
8 dict['ue'] = 'UTF-8'
9 dict['action'] = 'FY_BY_CLICKBUTTON'
10 dict['typoResult'] = 'true'
11
12 def translateYou(text):
13 global dict
14 dict['i'] = text
15 data = urllib.parse.urlencode(dict).encode('utf-8')
16 response = urllib.request.urlopen(url_you, data)
17 content = response.read().decode('utf-8')
18 data = json.loads(content)
19 result = data['translateResult'][0][0]['tgt']
20 print(result)

参数主要由字典dict指定，发现没有地方可以指定语言（可能是我没找到），测试结果是不管输入什么语言的文本，输出均是中文。

3. 谷歌翻译

1 url_google = 'http://translate.google.cn'
2 reg_text = re.compile(r'(?<=TRANSLATED_TEXT=).*?;')
3 user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' \
4 r'Chrome/44.0.2403.157 Safari/537.36'
5
6 def translateGoogle(text, f='ja', t='zh-cn'):
7 values = {'hl': 'zh-cn', 'ie': 'utf-8', 'text': text, 'langpair': '%s|%s' % (f, t)}
8 value = urllib.parse.urlencode(values)
9 req = urllib.request.Request(url_google + '?' + value)
10 req.add_header('User-Agent', user_agent)
11 response = urllib.request.urlopen(req)
12 content = response.read().decode('utf-8')
13 data = reg_text.search(content)
14 result = data.group(0).strip(';').strip('\'')
15 print(result)

和上面两种方法一样，采用的是访问网页的形式来进行翻译。
还有一种是利用python谷歌翻译模块Translator：
1 def translateGoogle2(text):
2 result = translator.translate(text)
3 print(result)

4. 测试代码
测试过程：
翻译5个字串为一个小的单位，输出消耗时间；
循环10次为一个大的单位，输出消耗时间；
对不同的语言字串和循环次数做过多次测试，发现情况基本类似，所以这里选择了10次。

1 text_list = ['こんにちは', 'こんばんは', 'おはようございます', 'お休(やす)みなさい', 'お元気(げんき)ですか']
2
3 time_ = 0
4 time_you = 0
5 time_google = 0
6 time_google2 = 0
7
8 for i in list(range(1, 11)):
9 time1 = time.time()
10 for text in text_list:
11 translateBai(text)
12 time2 = time.time()
13 print('网络翻译第%s次时间：%s' % (i, time2 - time1))
14 time_ += (time2 - time1)
15
16 time1 = time.time()
17 for text in text_list:
18 translateYou(text)
19 time2 = time.time()
20 print('有道翻译第%s次时间：%s' % (i, time2 - time1))
21 time_you += (time2 - time1)
22
23 time1 = time.time()
24 for text in text_list:
25 translateGoogle(text)
26 time2 = time.time()
27 print('谷歌翻译第%s次时间：%s' % (i, time2 - time1))
28 time_google += (time2 - time1)
29
30 time1 = time.time()
31 for text in text_list:
32 translateGoogle2(text)
33 time2 = time.time()
34 print('谷歌2翻译第%s次时间：%s' % (i, time2 - time1))
35 time_google2 += (time2 - time1)
36
37
38 print('网络翻译时间：%s' % (time_ / 10))
39 print('有道翻译时间：%s' % (time_you / 10))
40 print('谷歌翻译时间：%s' % (time_google / 10))
41 print('谷歌2翻译时间：%s' % (time_google2 / 10))

D. 谷歌翻译怎么样，智能翻译的未来如何

谷歌翻译的确非常不错，智能翻译的未来也是很好的。去年秋天，谷歌翻译推出了一个全新升级的人工智能翻译引擎，该引擎翻译文本有时与人工翻译文“几乎无法区分”。

谷歌在2016年的大部分时间里都在重新设计其翻译工具，让它由人工智能驱动。这样一来，它创造出了一种令人不安的强大事物。曾以产出语言生硬但又可用的翻译而闻名的谷歌翻译，早已开始产出语言流畅、精确度高的翻译文本。对未经专业翻译训练的人来说，这种文本输出几乎与人工翻译并未有区别。《纽约时报》发表了一篇15,000字的文章，将其誉为“伟大的人工智能的觉醒”。谷歌翻译引擎很快就开始学习新的技巧，弄清楚如何翻译它以前从未尝试过的两种语言之间的翻译：如果它能把英语翻译成日语，并且能把英语翻译韩语，那么它就能把韩语翻译成日语。在上个月的谷歌Pixel 2手机发布会上，谷歌将其雄心勃勃的计划又向前推进了一步，推出了一款可以实时翻译40种语言的无线耳机。

自从1954年IBM推出其首创的机器翻译系统以来，完美的机器翻译器的概念便占据了程序员和公众的所有想象。科幻小说作家们抓住了这个创意，提供了各种乌托邦式的幻想，从《星际迷航》的通用翻译机到《银河系漫游指南》中银河系的巴别鱼。人工翻译能用流畅文本描述源文本的含义，这是机器学习的圣杯：一个对“完全人工智能”的挑战。如果机器翻译也能做到相同的程度，将意味着机器已经达到人类的智力水平。围绕谷歌在神经机器翻译方面取得进展的大肆宣传表明，“圣杯”近在咫尺。而且，这一时刻到来的同时，人类翻译者也将被淘汰。

不过，译者们一直以来处于人工智能引发的就业恐慌前线，他们对此并不担心。事实上，有些人很高兴。对于那些已经抓住了人工智能工具潜力的人来说，他们的工作效率和他们的工作需求都在飙升。

把他们想象成白领煤矿里的金丝雀，他们可以第一时间嗅到任何行业内的风吹草动。此刻，金丝雀们还在唱歌，那就证明现在还是安全的。随着机器深度学习的快速发展，许多行业都开始意识到，人工智能确实能够完成那些一度被认为只有人类才能完成的任务。与司机和仓库员工不同的是，知识型的工人还未面临被立即取代的危险。但随着人工智能成为他们工作流程的重要组成部分，他们的工作也在发生变化，而且没人能保证今天的人工智能工具不会成为未来的威胁。这给了员工一个选择：把自负放在一边，拥抱你的新人工智能同事，否则，你将被甩在后面。我们并没有生活在人工智能的黄金时代，但我们正生活在人工智能提高生产力的黄金时代。可以将它称为首次通过时代。人工智能现在已经足够强大，在无数复杂任务中的首次尝试非常可靠，但它并没有强大到让人觉得似乎有威胁性。对于需要更多密集思考、主观意识的工作，我们仍然需要人类来完成。

这种劳动力转移正在各个行业展开。《华盛顿邮报》的内部人工智能，海力欧格拉芙（Heliograf），去年发表了大约850文章，人类记者和编辑对这些文章增加了分析和丰富的细节。在图形设计中，人工智能工具现在可以设计能初步通过的图稿，让人类设计师最后执行。在电影和出版领域，新人工智能工具能清除成堆的烂剧本来找到下一个爆点剧本，让编辑们从没完没了的提交队列中解放出来。这些人工智能工具就像勇敢又强壮的年轻助手们：他们非常能干、高产，但仍然需要一位经验丰富的经理来完成繁重的脑力工作。当然，那位经理必须与机器一起工作，才能受益于其中。

芬内莫尔克雷格公司（Fennemore Craig）是亚利桑那州的一家律师事务所，那里的律师们搭上了人工智能的列车，试用来自一家名为罗斯智能（ROSS Intelligence）的初创公司的一项新技术。借助IBM的超级电脑“华生（Watson）”和专有算法的结合，罗斯（Ross）由人工智能驱动，继承了诸如律商联讯（LexisNexis）这样的工具:它梳理了数百万页的案例法，并在一份备忘录草稿中记录下了它的发现。这一过程可能需要一名人类律师4天的时间，而罗斯大约花了24个小时。罗斯不会因为劳累和倦怠而苦恼：这个工具可以解放通宵工作的人，还不会觉得工作过于辛苦。

罗斯虽然也可以写作，但这并不是它的突出特点。布莱克·阿特金森是芬内莫尔克雷格公司的合伙人，至今已有三年。据他说，罗斯的写作水平是“一年级法律学生的水平”。（安东尼·奥斯汀是该公司的合伙人，他的评价更高：他说，在他看来，罗斯和第一、二年级的同事一样优秀。）该工具能生成整洁的备忘录，虽然它不是大作家海明威，但它提供了一个实用的初稿，里面充满了适用的案例法的摘要，一些基本的分析，以及一个直截了当的结论。然后，一名人类律师会添加更深层次的分析，并对语言进行调整修饰，使人们阅读时心情更愉悦，至少对律师来说是这样。奥斯汀说：“它能让我们接触到有趣且干货很多的文章。当你说，‘天哪，我不在乎1885年的蒸汽机，我真正想做的是写一些有趣的东西，让法官或对方的律师觉得，‘天哪，我完蛋了。’”最终，像ROSS这样的工具几乎肯定会减少在取证程序中对人类律师的需求。

目前尚不清楚这将如何改变入门级别律师的雇佣情况，这些律师通常需要苦读旧的案例法，且工作时间通常不规律。但深度分析的能力和及其出色的写作能力仍远远超出罗斯的能力范围。律师们不担心罗斯会抢了他们的饭碗，这对于这家初创公司的成功至关重要，毕竟，谁想要培训自己的替代物？正因为如此，CEO安德鲁·阿鲁达将罗斯吹捧为生产力工具，而不是人工智能律师;它让律师可以服务更多的客户，专注于他们工作中有趣的部分。奥斯汀说得更简洁：在罗斯的帮助下，他说：“你看起来像个摇滚明星。”

对许多译者来说，人工智能带来的高的超人类生产力并不是什么新鲜事。2003年，当亚历山德罗·卡特兰开始他的翻译生涯时，他预计每天翻译了2,000个单词就能赚到175美元。他使用了计算机辅助翻译工具，这种工具偶尔会根据他之前的翻译文本对个别短语的翻译提出建议，但翻译是一个非常需要亲力亲为的过程。卡特兰说，如今，与人工智能协同工作的译者现在要想赚到同样的钱，应该每天要翻译八千到一万个单词（根据通货膨胀进行调整）。这一过程被称为“后编辑机器翻译”（PEMT），它包括让机器先进行预翻译，然后让人类译者来整理语言，检查翻译不恰当的术语，确保翻译文本的语气、语境和文化暗示都符合原文本。

卡特兰说：“你必须弄清楚你的工作中哪些部分可以被机器取代，而你作为一个人类，在工作的哪些部分可以为自己带来价值。”他现在是翻译公司（Translated）的运营副总裁，该公司开发基于人工智能的翻译工具。今年4月，翻译开始为后期编辑机器翻译提供神经机器翻译，这让它的生产力得到了显着提升，尤其是德语和俄语等语言的翻译方面。由于复杂的语法，这些语言的语法复杂，此前需要额外的文本调整。

后期编辑机器翻译并不新鲜，至少从20世纪80年代开始，这个小众市场就一直在发展。但是随着神经机器翻译的出现，后期编辑机器翻译更为普及。根据市场调研公司卡门森斯顾问公司（Common Sense Advisory）的数据，未来几年，对编辑后编辑的需求预计将超过语言行业的其他领域，并且企业翻译业务的增长速度可能会达到两位数。卡门森斯顾问公司警告称，“即便语言行业要以前所未有的速度增加新的翻译器，目前的方法不可能跟上这种增长速度。”有人说，与机器翻译协同工作正变得越来越强制性：利尔特公司(Lilt)的首席执行官斯宾塞·格林表示，机器翻译“现在是一项要求，而对于较年长的译者来说，他们甚至不需要使用翻译记忆软件。”利尔特公司是一个机器翻译平台。

夏洛特·布拉斯勒是悉尼的一名翻译，他说，去年，机器翻译工具已经变得非常好，除非她使用机器翻译工具会打破保密协议（一个不常见的障碍），她倾向于欢迎机器翻译工具的发展。通过与能力出众的人工智能合作，她可以接手更多的项目，还可以腾出时间，这样她就可以翻译更多有创造力的文本，而这些文本通常都无法使用机器翻译。

但这一点也在改变：布拉斯勒说，在过去的一年里，自从添加了神经网络以来，谷歌翻译在翻译销售和营销材料等方面表现得非常出色，在这些领域，翻译涉及使用丰富的语言和解释习语。当然，谷歌翻译引擎并不是诗人，但在人类长期认为机器无法征服的领域，它正在迅速改善自己的能力。对于那些用自己的翻译艺术技巧来定义自己的译者来说，这是难以下咽的苦果。

技术上的飞跃永远都要克服重重阻碍。有些人无法忍受与机器合作的想法，他们宁愿埋头于自己的臆想的杂志中，假装什么都没有改变。对于这些人来说，这种“人工智能”的井喷式增长完全是一场事关生死存亡的危机。当然，电脑可以对数据进行筛选，甚至可以拼凑出一个基本的句子——但它能写出让你落泪的文章吗？它能解析一个习语的细微差别，或者是发现下一个畅销小说作家，还是说服最高法院的法官改变他的想法？

现在还不行，但它可以帮助你达到目标。随着一些最具创意的行业开始尝试人工智能，它们面临着阻力。今年4月，“黑名单网（The Black List）”（一个连接电影制片人和编剧的网络）宣布，它将与一家名为“脚本图书（ScriptBook）”的人工智能公司合作，对一些剧本进行评估。布莱恩·科佩尔蒙是电视剧《亿万（Billions）》的执行制片人，他称该工具“无礼又粗鲁”。黑名单网很快就取消了与脚本图书的合作，后者会扫描剧本以进行性格分析、目标人群统计和预计票房是否成功等指标。尽管这家初创公司已经成功与两家主要的电影公司建立了合作关系，但该公司的首席执行官纳德拉·阿泽尔迈表示，大多数电影制作人还没能克服对这款工具的恐惧。

阿泽尔迈说：“几年前，人们认为在创造力方面，我们不受威胁，因为人工智能不可能像人类那样具有创造力，也不像人类那样独一无二。然而这并非事实”。当业界人士指责她创造了一种窃取工作的工具时，她告诉他们，他们的工作确实面临威胁，但并非来源于人工智能。相反，她对反对者说，“是那些已经学会如何与机器合作的人才会抢走你的工作。如果你对此一直视而不见，你就会丢掉工作。”

一个与之类似的工具是StoryFit，它提供的服务包括电影票房预测、剧本结构和风格分析，以及对故事的情感构成的解读。正如TJ·巴拉克解释的那样，他的工作室，自适应工作室（ Adaptive Studios），永远不会仅仅因为StoryFit的报告中看到的东西而通过某个剧本，但他的团队可能会考虑如何根据所掌握的内容来改进剧本。巴拉克说：“如果这让我看到，在这些特定的事情上，它可能会在市场上遇到麻烦，我们有哪些地方可以改进这个剧本？我们可以调整某些情节点？”我们可以在这里或那里添加更多的情感元素吗？”

人们才刚刚开始看淡人工智能的炒作，开始专门研究人工智能工具如何帮助他们的工作。StoryFit的CEO莫妮卡·兰德斯表示，她最近已开始对自己公司的产品采取谨慎的态度。但她仍需谨慎行事。当我问她公司的下一步计划时，她犹豫了一下，她说：“如果我们开始把未来计划谈得太早了，它仍然会让人紧张。”

然而，就目前而言，翻译工作者、律师、医生、记者和文学代理人的工作是安全的。有些人甚至会说，他们的工作比以往任何时候都好。但我们现在发现自己处于一种奇怪的境地。我们必须承认，人工智能正在快速掌握我们长期以来一直视为机器无法完成的任务。我们必须接受这样一个事实，即拥抱人工智能正迅速成为在许多领域取得优异成绩的先决条件。我们必须欢迎这些新的人工智能同事，并在他们犯错的时候纠正他们。同时我们也得承认，在某个时刻，我们可能已教会他们足够多的东西，让他们开始在公司中的位置更加重要。

E. 编程语言代码翻译

没发现一种万能的软件。
这些代码都是英文构成的，直译的话用"全文翻译"软件，或复制到在线全文翻译网站 就可以了,但是只英译汉的层面。
还有些就是代码升级转换之类的软件，如把delphi代码翻译成c#代码，把vc6代码升级成vc.net代码。
还有些是调试器，可以对代码段进行翻译，诸如： 入口，循环，出栈，跳出，DES加密等词。
还有就是写查毒软件，可以对代码段行为进行翻译，加壳，压缩，伪装，IO操作，变形等词。

在这些之外的逻辑代码段难以用机器识别，只能用专用软件，或人工识别。
例如： 某段代码对学生期末成绩进行排序， 如果程序员没有注释这段代码的功能或含义，那么没有软件可以翻译成"本段代码对学生期末成绩进行排序"。

好的IDE或编写器提供丰富的注释生成和管理功能。这样对团体开发有很大用处，程序员都方便的规范代码，你就不用有这种疑问了。
如 Vistual Studio 2010，CnPack IDE Wizards等。