一次日语翻译的Chrome插件开发经历

序言

去年7月刚过了日语N2，想着今年考个N1，为了加深日语文化的了解，还有学习日语，平时免不了经常上日语网站。

但是毕竟水平有限，所以不免遇到不认识的单词，日语单词的一个特点就是很多单词你知道是什么意思，但是不知道怎么读。

比如：“簡素な構造” 中的第一个词：“簡素”，很显然就是“简单，朴素的意思”，但是你肯定不知道它的读音是：“[かんそ]①”。

以前遇到这样的词的时候，就会在沪江小D网页版上面查询，但是这样特别麻烦，你要跳转到别的网站，更别提沪江每次进去弹出来的广告了。

所以呢，就想找一个能不能弄一个划词翻译的Chrome插件，能够标注出读音，怎么详细怎么来，这样便于学习。

开始折腾

因为之前写过一些过滤广告和网页辅助排序的Chrome扩展，作为一个爱折腾的开发者。当然是自给自足风衣足食啦。

百度翻译API

首先想到的是，直接使用翻译API来进行翻译，然后把翻译的结果在当前页面加一个提示框显示出来。

首先是百度翻译API：http://api.fanyi.baidu.com/api/trans/product/apidoc 官方文档很简单，只需要注册一个appid，然后HTTP请求即可。百度翻译API每个月有200W字符的免费使用资源，所以可以随便用。

注册开发者账号，申请了appid，然后照着它的文档模拟请求，因为签名方式很简单，而且官方给出了demo，很轻松就获取到了返回数据。

然而，返回的数据格式有点不对。

{
    "from": "jp",
    "to": "zh",
    "trans_result": [
        {
            "src": "合格",
            "dst": "合格"
        }
    ]
}

。。。这翻译很直接，只有翻译结果，什么读音都没有，很绝望，PASS.

没办法，只能使用其他平台的API了，另外一个就是有道云的翻译API。和百度API一样，注册账号，创建应用。正打算使用的时候，发现有道云的翻译API是收费的，不过不用紧张，只要注册就送100元，够你翻译几千万字符了。

有道翻译API

有道云翻译API文档：http://ai.youdao.com/docs/doc-trans-api.s#p02，我发现一个有意思的事情，百度翻译API和有道云翻译API的调用方式几乎一模一样，两个平台给出的Demo中，什么数据签名方式，数据请求方式，几乎都是一样的。唯一需要注意的是，百度请求的应用标识参数是： appid，有道云的是： appKey，要小心一点。

很快，获取到百度翻译API的返回结果如下。

{
    "tSpeakUrl": "http://openapi.youdao.com/ttsapi?q=%E5%90%88%E6%A0%BC&langType=zh-CHS&sign=3118EBCD5EC1D0A416EF32032FE55FAF&salt=1521012839301&voice=4&format=wav&appKey=3a72ad95fe43ac83",
    "query": "合格",
    "translation": [
        "合格"
    ],
    "errorCode": "0",
    "dict": {
        "url": "yddict://m.youdao.com/dict?le=jap&q=%E5%90%88%E6%A0%BC"
    },
    "webdict": {
        "url": "http://m.youdao.com/dict?le=jap&q=%E5%90%88%E6%A0%BC"
    },
    "l": "ja2zh-CHS",
    "speakUrl": "http://openapi.youdao.com/ttsapi?q=%E5%90%88%E6%A0%BC&langType=ja&sign=3118EBCD5EC1D0A416EF32032FE55FAF&salt=1521012839301&voice=4&format=wav&appKey=3a72ad95fe43ac83"
}

相比于百度，有道云增加单词的读音地址这一项，但是还是没有标注出片假名。

另外还有Google翻译的API没有测试，不过这个时候得转化一下思路，先去Chrome扩展商店看看是否已经有类似的插件。

Chrome应用商店

首先在Chrome扩展应用商店搜索“划词翻译”，有一些评分很高的插件。

我装了几个，这些插件确实做的比较好，我需要的划词功能都有，能中文翻译英文，能中文翻译日文，有的还有读音。

但是有一点，这些插件都没有标注出我要查询的单词的片假名读音，这可不行。

对于使用习惯了沪江小D查词的我来说，作为学习需求，查询一个单词，应该有各种读音，各种释义，各种词性和用法还有例句。

我找了很多插件，结果都是没有，就在我快要放弃的时候，我试着搜索了一下“沪江”。

居然有一个沪江小D的插件，虽然只有一个评论，还是个中评。我还是下载安装了，结果各种疯狂报错，无法使用。

迂回：挣扎

事情终于又回到了起点，我习惯于使用沪江小D的翻译结果，那么可不可以在沪江小D的翻译中寻找答案呢？

分析沪江小D

沪江小D翻译页面：https://dict.hjenglish.com/jp/jc/簡素

我最开始的想法：打开调试窗口，然后观察它查询单词的Ajax请求，模拟查询。然而，沪江小D查询单词并不是使用Ajax异步查询结果，（失望，不能看到接口）。

很容易发现，沪江小D查单词就是请求一个页面，把单词拼接在类似于:https://dict.hjenglish.com/jp/jc/ 这样的页面后面，所以我就想在插件里面构造这个url，然后使用ajax请求获取HTML数据，解析HTML数据。然而这个页面是禁止跨域请求的，也就是说服务端设置了禁止跨域请求，option不通过。我又把这个页面放在一个 iframe 里面，然而

Refused to display 'https://dict.hjenglish.com/jp/jc/%E7%B0%A1%E7%B4%A0' in a frame because it set 'X-Frame-Options' to 'sameorigin'.

该网页禁止iframe访问。崩溃！

这个时候我猛然想到沪江小D不是有手机APP吗，那肯定会请求服务端API啊！所以我立马使用Fiddler抓包，我激动地输入单词，点击查询按钮，Fiddler中果然出现了查询请求。是压缩过的，解压之后是json格式的返回值，data里面是一大堆乱七八糟的鬼东西。呵呵哒，加密过的。

我这儿不得不佩服沪江做得真是好！

使用服务器转发

然而我是不会放弃的，不就是跨域的问题，你再怎么禁止跨域，也是浏览器能访问的嘛！对吧！在Postman中模拟请求不需要额外的cookie信息后。我在服务器写了一个转发器，请求页面数据，然后返回给插件客户端。由于我的服务器主要是PHP环境，所以用了PHP写的转发器。主要代码如下：

// 允许跨域>_<
header('Access-Control-Allow-Origin:*');
header('Access-Control-Allow-Methods:POST,GET');
header("Access-Control-Allow-Headers: Origin, X-Requested-With, Content-Type, Accept");
header('Content-Type:application/json;charset=UTF-8');

class HujianTranslate
{

	protected $base_api = [
		'Japanese_Chinese' => 'https://dict.hjenglish.com/jp/jc/', // from Japanese to Chinese
		'Chinese_Japanese' => 'https://dict.hjenglish.com/jp/cj/', // from Chinese to Japanese
		'Chinese_English' => 'https://dict.hjenglish.com/w/',  // from Chinese to English
		'English_Chinese' => 'https://dict.hjenglish.com/w/',  // from English to Chinese
	];

	// 根据查询语言转换url
	protected function buildUrl($query, $from, $to)
	{
		$url = $this->base_api[$from . '_' . $to];
		$url = $url . rawurlencode($query);
		return $url;
	}

	public function translate($query, $from, $to)
	{
		$url = $this->buildUrl($query, $from, $to);
		$response = $this->curlCall($url, '', 'GET');
		return $response;
	}

	// curl模拟发送http请求
	public function curlCall($url, $params = null, $method="post", $withCookie = false, $timeout = CURL_TIMEOUT, $headers=array())
	{
		$ch = curl_init();
		$data = '';
		$params && $data = http_build_query($params);
		if($method == "post" || $method == "POST")
		{
			curl_setopt($ch, CURLOPT_POSTFIELDS, $data);
			curl_setopt($ch, CURLOPT_POST, 1);
		}
		else
		{
			if ($data) {
				stripos($url, "?") > 0 ? $url .= "&$data" : $url .= "?$data";
			}
		}

		curl_setopt($ch, CURLOPT_URL, $url);
		curl_setopt($ch, CURLOPT_TIMEOUT, $timeout);
		curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

		// UserAgent 模拟
		$useragent = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36';
		curl_setopt($ch, CURLOPT_USERAGENT, $useragent);

		// 绕过SSL认证
		curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, 0);
		curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);

		// 设置请求头部
		$headers && curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);
		// 设置cookie
		$withCookie && curl_setopt($ch, CURLOPT_COOKIEJAR, $_COOKIE);
		$response = curl_exec($ch);
		if (false === $response) {
			die(curl_error($ch));
		}
		curl_close($ch);
		return $response;
	}
}

$translator = new HujianTranslate();
echo $translator->translate($_GET['query'], $_GET['from'], $_GET['to']);
exit();

页面修改

终于能够成功获取了页面数据，但是这个时候我遇到了一个抉择，在哪儿解析

• 在服务端解析好页面数据，然后把结果转发给插件客户端
• 服务端不做任何数据处理，在客户端解析页面数据

开始我是想在服务端解析的，PHP的自带解析器用于XML，用来解析HTML的时候出现了一大堆报警，虽然可以正常跑，但是很不爽，又不太想重新用Python写一遍，而且服务器资源有限。后来就把这个解析的任务交给客户端了，毕竟JavaScript解析HTML很方便！

下面是对查询url：https://dict.hjenglish.com/jp/jc/上 的HTML内容解析函数

function parseHTML(data) {
    var parser = new DOMParser(),
            doc = parser.parseFromString(data, 'text/html'),
            details = [], items,
            word_details = doc.getElementsByClassName('word-details-pane');

    // 遍历每种解释含义
    for (var i = 0; i < word_details.length; i++) {
        details[i] = {};

        var word = word_details[i],
                detail = {},
                pronounces = word.getElementsByClassName('pronounces')[0],
                word_text = word.getElementsByClassName('word-text')[0],
                simple = word.getElementsByClassName('simple')[0],
                detail_group = word.getElementsByClassName('detail-groups')[0];

        // word text 解析
        detail.text = word_text.getElementsByTagName('h2')[0].innerHTML;

        // pronounces 发音解析
        detail.pronounce = {};
        items = pronounces.getElementsByTagName('span');
        detail.pronounce.kana = items[0].innerHTML;
        detail.pronounce.roma = items[1].innerHTML;
        detail.pronounce.accent = items[2].innerHTML;
        detail.pronounce.audio = items[3].getAttribute('data-src');

        // simple 词意解析
        detail.meaning = {};
        detail.meaning.pos = [];  // 词性
        detail.meaning.means = []; // 词义
        var poses = simple.getElementsByTagName('h2');
        for (var j = 0; j < poses.length; j++) {
            detail.meaning.pos[j] = poses[j].innerHTML;  // 词性
            // 词义li列表
            var lis = poses[i].nextSibling.nextSibling.getElementsByTagName('li');
            for (var k = 0; k < lis.length; k++) {
                detail.meaning.means[j] = [];
                detail.meaning.means[j][k] = lis[k].textContent; // 带序号的词义
            }
        }
		
        // 解析详细释义
        detail.meaning.detail = detail_group;
    }
    return detail;
}

弄好解析函数之后，犯难了，我该怎么展示这么多的数据呢？回到沪江小D的查询展示页面，最后的展示效果不也就和这个差不多嘛！

所以最后，我放弃了使用解析函数，而是直接截取页面中的翻译结果节点，然后重新调整了样式。

function parseResponse(data) {
    var parser = new DOMParser(),
            doc = parser.parseFromString(data, 'text/html'),
            content = doc.getElementsByClassName('word-details')[0];
    // content 为主要内容区域
    document.body.appendChild(content);
}

对内容的重新修改包括：

• 调整间距，重新设置样式
• 去掉广告内容
• 因为一个词有多种读音，添加tab
• 限制内容显示区域，隐藏进度条
• 高亮标记例句中的查询单词
• 完善音频播放

放一下音频播放器的代码：

// 音频播放器
function AudioPlayer() {
    var audio = document.createElement('audio');
    audio.setAttribute('controls', 'controls');
    audio.style.display = 'none';
    // audio.setAttribute('src', src);
    document.body.appendChild(audio);

    this.play = function(src) {
        audio.setAttribute('src', src);
        audio.play();
        return this;
    };
    this.stop = function() {
        audio.pause();
        return this;
    };
    // 播放结束回调
    this.end = function(callback) {
        var repeat = setInterval(function() {
            if (audio.ended) {
                clearInterval(repeat);
                callback && callback();
            }
        }, 100);
        setTimeout(function() {
            clearInterval(repeat);
        }, 5000);
    };

    return this;
}

最后如愿了，将沪江翻译的内容成功改装到一个小窗口中。接下来就是将内容封装到Chrome插件中就可以了。最后的效果如下：

可以下拉显示例句，点击小喇叭可以发音，点击开始的词条可以切换不同发音。
对比沪江小D页面可以点击这儿

最后：放弃

封装成插件之后，只能我自己用啊，毕竟版权是沪江的，那么可不可以联系沪江的官方，获得授权什么的呢？

所以我就联系了沪江的客服，了解了几个事情

• 之前那个在Chrome上面的插件不是官方的
• 我如果要共享插件代码的话，得和他们合作部门谈
• 沪江已经在制定计划开发Chrome插件
• 沪江的客服态度很好

而且，我还发现了一个很恶心的事情，在沪江翻译的页面里面，自带划词翻译，而且效果挺好的，标注了读音。效果图如下，双击单词会在单词下面出现翻译按钮，双击翻译会在小窗口显示读音和释义。这个过程是一个ajax请求，不过呢，需要appid和签名。

所以，我所做的工作根本没有什么用处。

所以我泪流满面的。。。久久不能言语。

相信沪江小D能够使用自己的API的话，开发的插件一定类似于这个小D划词释义一样，可以看假名。

完败收获

• PHP 有相关的库可以像jQuery一样解析HTML，可用于爬虫
• 服务端解析时，正则表达式可以用平衡组类似于堆栈匹配标签
• CSS中使用counter等函数可以为li列表自动添加序号
• 服务端跨域的破解方法是请求转发
• 复习了一波CSS样式和布局
• 我就是一个傻逼（ばか，死ね！）

个人博客原文：不想说