Ověření překladů jsme spustili na 31 879 překladech Django. Polovina prvních varování byla naše.
Jazyky
Naše ověření překladů vyrostla na strojových překladech: na tom, co pro naše vlastní weby píše náš lokální model, který odmítne a znovu vyžádá překlad, když chybí zástupný symbol, číslo nebo název. Lidé překládají různě. Abychom zjistili, jak si s tím ověření poradí, spustili jsme je na souborech .po, které jsou součástí Django 5.2, ve 39 našich jazycích, které Django má: 31 879 přeložených položek.
První běh
Kontroly označily 1 031 položek a zhruba polovina označení byla chybami samotných kontrol. Překladatelé ponechávají „URL“, „IPv4“ a „%s KB“ tak, jak jsou, i v japonštině, thajštině nebo bulharštině, což naše skriptová kontrola považovala za ponechanou angličtinu. Ponechávají PostgreSQL, JSON a True uvnitř přeložené věty, píší 6 p.m. jako 18.00, 6 a.m. jako 06.00 a Feb. jako 2月 a „%(value).1f“ nebylo dokonce ani rozpoznáno jako zástupný symbol. Každý z těchto případů je nyní akceptován: názvy, kód a cesty zkopírované ze zdroje se na skript nepočítají, jedno slovo nebo jednotka ponechané beze změny projde a časy, kalendářní popisky, číslovky řadové a zlomky zapsané číslicemi se počítají jako stejná čísla.
Po opravách tytéž soubory dávají 475 označených položek, tedy 1,5 %, a na 576 120 překladech stránek, které naše vlastní weby akceptují, ověření stále nevyvolávají žádné falešné poplachy.
Co bylo skutečně špatně
- Hlavičky množného čísla, které nesouhlasí s položkami: španělské, francouzské, italské a portugalské soubory pro administraci deklarují ve hlavičce dva tvary množného čísla a v každé položce množného čísla mají tři, a hebrejský soubor deklaruje čtyři a má tři. GNU
msgfmt --checkse u španělského souboru zastaví s fatální chybou. Celkem 234 položek. - Ponechaná angličtina: thajské „content type“ a „log entry“, řecké „work factor“, jeden bulharský tvar množného čísla, celkem 125 položek.
- Písmeno z jiné abecedy: thajské písmeno uvnitř khméřského slova pro „ruský“.
- Pravidla množného čísla, která se liší od CLDR: arménské a paňdžábské soubory řadí 0 k tvaru množného čísla, turecký soubor řadí 0 k tvaru jednotného čísla, zatímco CLDR to má naopak.
Co člověk může stále akceptovat
Některé příznaky jsou otázkou úsudku, který kontroly budou stále činit. Překladatel, který napíše „Past 7 days“ jako „the past seven days“ slovy, neudělal chybu, ale pro strojové překlady je změněné nebo chybějící číslo přesně to, k čemu kontrola slouží, takže zůstává přísná a lze ji vypnout pomocí --no-numbers. Termín, který se tým rozhodl ponechat v angličtině, jako například „Flat Pages“, je označen, dokud není schválen pomocí --keep.
Co se změnilo pro naše weby
Kontrola, která chrání naše vlastní weby, měla stejné slepé uličky pro čísla. Se stejnými opravami přijímá 3 379 překladů ze svého protokolu zamítnutí, jako je „one-fifth“ jako 1/5 v korejštině a data s úvodní nulou, a každý překlad, který dříve přijala, stále prochází. Jedno pravidlo jsme cestou příliš uvolnili: název dne v týdnu se nyní počítá jako číslo pouze v krátkém kalendářním popisku („Thursday“ jako vietnamsky „Thứ 5“), poté, co oromský řádek v našem měření propustil špatné datum.
Kde to žije
Kontrole jsou zdarma v translation-checks, které od verze 1.3 kontrolují i samostatný soubor .po, včetně pravidla Plural-Forms, a od verze 1.4 běží jako pre-commit hook nad soubory .po ve vašem projektu; pravidla pro 42 jazyků najdete v naší poznámce o gettext. Polyglot překládá pomocí vašeho vlastního modelu a spouští stejné kontroly u každého řetězce, který zapíše.