AI 英语学习助手实战(一):翻译源降级与缓存
这是 AI 英语学习助手系列的第一篇,讲翻译链路。孩子查词要秒回,可第三方翻译源会变、会挂、链接还会过期 —— 这一篇讲怎么让它们怎么变都不影响使用。
一、按输入类型分流
需求很具体:查单词要词典级信息,翻句子要通顺。这两件事的最佳数据源不一样,于是分成两条路:
| 输入 | 首选源 | 拿到什么 |
|---|---|---|
| 单个英文单词 | 金山词霸 | 词性、美式音标、发音音频、例句及例句翻译 |
| 句子 / 短语 | 有道翻译 | 通顺的整句翻译 |
| 以上都失败 | 模拟翻译 | 保证接口不返回 500,前端不至于白屏 |
二、降级链
三、金山词霸的 buildId 不能写死
这是整个项目最值得记的一个坑。金山词霸用的是 Next.js,词条接口的 URL 里带一个构建 ID:
https://www.iciba.com/_next/data/{buildId}/word.json?w=apple这个 buildId 每次发版都会变。
⚠️ 踩坑:一旦把它写死在代码里,金山发版后单词查询就会长期 404 —— 而且音标、例句、发音会一起消失,因为它们本来就是这个接口返回的。
解法是运行时从页面里抓,并加一层内存缓存:
python
def _fetch_iciba_build_id(self) -> str:
"""从金山词霸页面抓取当前 Next.js buildId"""
resp = requests.get("https://www.iciba.com/word?w=hello",
headers=headers, timeout=8)
if resp.status_code == 200:
m = re.search(r'"buildId"\s*:\s*"([^"]+)"', resp.text)
if m:
return m.group(1)
return ""
def _get_iciba_build_id(self, force_refresh: bool = False) -> str:
"""获取 buildId(带缓存);force_refresh=True 时强制重新抓取"""
now = time.time()
if (not force_refresh and self.iciba_build_id
and now - self.iciba_build_id_time < self.iciba_build_id_ttl):
return self.iciba_build_id
build_id = self._fetch_iciba_build_id()
if build_id:
self.iciba_build_id = build_id
self.iciba_build_id_time = now
return build_id缓存 TTL 是 3600 秒。但缓存本身会引入新问题:缓存有效期内金山发版了怎么办?所以在查询处补了一层处理 —— 404 视为 buildId 已失效,强制刷新后重试一次:
python
url = f"https://www.iciba.com/_next/data/{build_id}/word.json?w={word_clean}"
if resp.status_code == 404:
# buildId 已随金山发版失效,强制重新获取并重试一次
build_id = self._get_iciba_build_id(force_refresh=True)
if build_id:
url = f"https://www.iciba.com/_next/data/{build_id}/word.json?w={word_clean}"这一段合起来的效果是:金山怎么发版都不用改代码。抓到数据后按固定路径取值 —— 音标取 baesInfo.symbols.ph_am,音频取 ph_am_mp3,词性取 parts[0].part,例句取 new_sentence[0].sentences[0]。
四、统一返回契约
不管底层走的是金山、有道还是百度,翻译服务对外只吐一个固定结构,前端不需要知道数据来自谁:
python
{
'original_text': ..., # 原文
'translated_text': ..., # 译文
'part_of_speech': ..., # 词性
'pronunciation': ..., # 美式音标
'audio_url': ..., # 单词发音音频
'example_sentence': ..., # 例句
'example_translation': ..., # 例句翻译
'example_audio_url': ..., # 例句音频
'source': 'iciba', # 来源标识
}这个契约的价值在加新翻译源的时候才体现出来:新实现只要返回同样 9 个字段,路由层、缓存层、前端一行都不用改。
结果写进 translation_cache 表,同一个词第二次查询直接绕过第三方。对"孩子反复点同一个词"的使用习惯来说,命中率相当高。
五、两个真实踩坑
⚠️ 踩坑
- 音频 URL 会过期:第三方返回的 MP3 链接有有效期,缓存里存着隔天就播不出来。所以播放失败必须能降级到浏览器语音合成,而不是弹个报错。
- 字段可能缺失:不是每个词都有完整词典数据。取值路径必须容忍字段不存在,缺了就留空 —— 不能因为一个词缺音标,把整条链路带崩。