1,082 תרגומים הכילו מילה באלפבית שגוי. הבדיקות שלנו עברו בהצלחה על כל אחד מהם.
שפות
ב-31 באוקטובר מצאנו משפט בהונגרית באחד מהאתרים שלנו, עם מילים בסינית באמצע. חיפשנו בתרגומים השמורים של כל האתרים שאנחנו מריצים אותיות שאינן שייכות לשפה, ומצאנו 1,082 תרגומים כאלה, 581 מתוכם בדפים שפורסמו. כל אחד מהם עבר את הבדיקות שלנו.
מה שמצאנו
הכול נכתב על ידי המודלים המקומיים שמרגימים את האתרים שלנו, וכולו אותו החלקה: מילה או שתיים בשפה אחרת. מהתרגומים השמורים, ומהדפוסים שנדחו מאז:
- סינית בתוך שפות אחרות: "they are" כ-它们是 באמצע משפט בתאית; המילה הסינית ל-"track", 跟踪, עם סיומת הונגרית ("támadók跟踪ására"); מילים דומות בפולנית וביוונית.
- רוסית בתוך יוונית, ארמנית, עברית וסלובנית: "full house" ביוונית יצא כ-"φουλ хаус", המילה השנייה בכתב קירילי.
- אותיות דומות: "о" או "а" קיריליות בסוף מילה פינית או צ'כית. אף קורא בדף לא היה שם לב; מנוע חיפוש או קורא מסך כן.
- כתבים סמוכים: אות בנגלית בתוך מילה בקנאדה, דוונאגרי בתוך קנאדה.
- שורות שלמות בתאית בדפים בחמרית: כותרות, תוויות ותאי טבלה בדפים בחמרית של שני אתרים נכתשו פשוט בתאית.
לחנות שלנו היו שבע שורות כאלה משלה. באחת מהן, "planted values" יצא ברומנית כ-"valori植入".
למה הבדיקות העבירו אותם
בדיקת הכתב שאלה האם לפחות 45% מהאותיות בתרגום הן בכתב של השפה. זה תופס אנגלית שנשארה במקום, וזה מה שהיא נועדה לתפוס. שתי אותיות סיניות במשפט הונגרי של מאה אותיות לא משנות את האחוז, ואות קירילית בודדת משנה אותו עוד פחות.
לטקסט קצר היה כלל אחר. מתחת ל-25 אותיות באנגלית, הבדיקה רק וידאה שהתשובה לא נשארה באנגלית. תא טבלה בחמרית שנכתב בתאית לא מכיל אף אות באנגלית, אז הוא עבר.
הכלל שתופס אותם
אות ששייכת לכתב שהשפה לא משתמשת בו, והמקור באנגלית לא מכיל אותו, היא טעות. שלושה חריגים מונעים מהכלל לצעוק ללא צורך:
- אותיות לטיניות תמיד מותרות: שמות מותג, קוד ויחידות מופיעים בכל שפה.
- הסינית, היפנית והקוריאנית אינן נבדקות, משום שהיפנית מערבית קאנה וקאנג'י, והקוריאנית יכולה להשתמש בהאנג'ה.
- הסרבית והפנג'אבי, שנכתבות כל אחת בשני כתבים, נבדקות רק עבור תווים סיניים, יפניים וקוריאניים.
הרצנו את הכלל על כל מה שהאתרים שלנו אגרו, וכל שורה שסומנה וקראנו אותה הייתה שגויה. מאז 31 באוקטובר הוא דחה 1,652 תרגומים בעת יצירתם, 1,549 מהם בקמבודית: המודל לא חדל לכתוב תאית עבור קמבודית, אך כעת הוא נשאל שוב במקום להתפרסם.
ניקיון
תרגומים מאוחסנים נבדקים שוב רק כאשר השפה שלהם מתורגמת שוב, ולכן כל שפה שנפגעה תורגמה שוב: 61 מהן ב-11 אתרים. שתי שורות חזרו עם אותה טעות בפעם השנייה: השורה הרומנית "valori植入" ושורה ביוונית עם 面向 בתוכה. כתבנו את השורות האלה ידנית. ב-2 בנובמבר לא היה לאף דף מפורסם שלנו תו מכתב אחר.
היכן הכלל נמצא כעת
הוא נמצא ב-translation-checks 1.1.0, חינם ב-GitHub, לצד בדיקה חדשה שכל מספר חוזר ויודע ש-"3 מיליון" הוא 300万 ביפנית. בהרצה על 568,574 התרגומים המאושרים של האתרים שלנו, הבדיקות החדשות לא העלו אזעקת שווא. Polyglot 1.1.0 כולל גם אותן. הפעם הראשונה שהבדיקות שלנו היו הבעיה נמצאת בהערה קודמת.