Пуснахме проверките си за превод върху 31 879 превода на Django. Половината от първите предупреждения бяха наши.
Езици
Проверките ни за превод се изградиха върху машинни преводи: това, което нашият локален модел пише за собствените ни сайтове, отхвърлено и изискано отново, когато липсва заместващ символ, число или име. Хората превеждат по различен начин. За да видим как проверките реагират на това, ги пуснахме върху .po файловете, които идват с Django 5.2, в 39 от нашите езици, които Django поддържа: 31 879 превода.
Първото изпълнение
Проверките маркираха 1 031 записа, а около половината от маркиранията бяха собствени грешки на проверките. Преводачите оставят „URL“, „IPv4“ и „%s KB“ непроменени на японски, тайландски или български, което нашата скриптова проверка тълкуваше като оставен на английски текст. Те запазват PostgreSQL, JSON и True в преведен изречение, записват 6 p.m. като 18.00, 6 a.m. като 06.00 и Feb. като 2月, а „%(value).1f“ дори не се разпознаваше като заместител. Всяко от тези случаи вече се приема: имена, код и пътища, копирани от източника, не се броят срещу скрипта, едно дума или единица, запазени непроменени, минават, а часове, календарни етикети, редни числителни и дроби, записани с цифри, се считат за същите числа.
След корекциите същите файлове дават 475 маркирани записа, 1,5%, а при 576 120 превода на страници, които собствените ни сайтове приемат, проверките все още не дават фалшиви предупреждения.
Какво наистина беше грешно
- Заглавки за множествено число, които не съвпадат със записите: административните файлове на испански, френски, италиански и португалски декларират две форми за множествено число в заглавката си, но носят три във всеки запис за множествено число, а файлът на иврит декларира четири, но носи три. GNU
msgfmt --checkспира на испанския с фатална грешка. Общо 234 записа. - Оставен на английски: тайландски "content type" и "log entry", гръцки "work factor", българска форма за множествено число, общо 125 записа.
- Буква от друга азбука: тайландска буква в кхмерската дума за "руска".
- Правила за множествено число, различни от CLDR: файловете на арменски и пенджабски слагат 0 с формата за множествено число, а файлът на турски слага 0 с формата за единствено число, докато CLDR е обратното.
Какво човек може все още да приеме
Някои флагове са въпрос на преценка, който проверките продължават да поставят. Преводач, който напише „Past 7 days“ като „the past seven days“ с думи, не е сгрешил, но за машинните преводи промененото или липсващо число е точно това, за което е проверката, затова тя остава строга и може да се изключи с --no-numbers. Термин, който екипът е решил да запази на английски, като „Flat Pages“, се маркира, докато не бъде одобрен с --keep.
Какво промени за нашите сайтове
Проверката, която пази нашите собствени сайтове, имаше същите слепи петна по отношение на числата. С същите корекции тя приема 3 379 превода от дневника си с откази, като „one-fifth“ като 1/5 на корейски и дати с водеща нула, и всеки превод, който преди това е приемала, пак минава. Едно правило, което отпуснахме твърде много по пътя: ден от седмицата сега се брои за число само в кратък етикет на календар („Thursday“ като виетнамско „Thứ 5“), след като на оромски ред в нашите измервания мина грешна дата, без да го хване.
Къде се намира
Проверките са безплатни в translation-checks, който от версия 1.3 проверява и .po файл самостоятелно, включително правилото за Plural-Forms, а от версия 1.4 работи като pre-commit hook върху .po файловете на проект; правилата за 42 езика са в бележката ни за gettext. Polyglot извършва превода с вашия собствен модел и изпълнява същите проверки върху всеки низ, който записва.