Skip to content

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。
本文阅读--次|全站访问--次|访客--人