Մենք թարգմանչական ստուգումներ կատարեցինք Django-ի 31,879 թարգմանությունների նկատմամբ։ Առաջին ահազանգերի կեսը մերն էր։
Լեզուներ
Մեր թարգմանչական ստուգումները մեծացել են մեքենայական թարգմանությունների վրա. ինչ է գրում մեր տեղական մոդելը մեր սեփական կայքերի համար, մերժվում և նորից խնդրվում է, երբ տեղապահը, թիվը կանունը բացակայում է։ Մարդիկ տարբեր են թարգմանում։ Տեսնելու համար, թե ինչ են ստուգումները անում դրա հետ, մենք դրանք կիրառեցինք Django 5.2-ի հետ առաքվող .po ֆայլերի նկատմամբ, մեր 39 լեզուներում, որոնք Django-ն ունի. 31,879 թարգմանված գրառում։
Առաջին գործարկումը
Ստուգումները նշել են 1,031 գրառում, և նշումների մոտ կեսը ստուգումների սեփական սխալներն էին։ Թարգմանիչները «URL», «IPv4» և «%s KB» արտահայտությունները թողնում են անփոփոխ՝ ճապոներենի, թայերենի կամ բուլղարերենի դեպքում, ինչը մեր սկրիպտի ստուգումը համարում էր անգլերեն՝ մնացած տեքստում։ Նրք պահպանում են PostgreSQL, JSON և True արժեքները թարգմանված նախադասության մեջ, 6 p.m. գրում են 18.00, 6 a.m.՝ 06.00, իսկ Feb.՝ 2月, և «%(value).1f»-ը նույնիսկ որպես պլեյսհոլդեր չէր ճանաչվում։ Դրանցից յուրաքանչյուրն այժմ ընդունվում է. անունները, կոդը և աղբյուրից պատճենված ուղիները սկրիպտի հաշվարկում չեն մտնում, մեկ բառի կամ միավորի անփոփոխ պահպանումը թույլատրվում է, իսկ ժամերը, օրացուցային պիտակները, կարգային թվերը և կոտորակները թվերով գրված համարվում են նույն թվերը։
Ուղղումներից հետո նույն ֆայլերը տալիս են 475 նշված գրառում, 1.5%, և մեր սեփական կայքերի 576,120 էջի թարգմանությունների վրա ստուգումները դեռևս կեղծ ահազանգ չեն բարձրացնում։
Ինչն էր իսկապես սխալ
- Հոգնակի վերնագրեր, որոնք չեն համընկնում իրենց գրառումների հետ. Իսպաներենի, ֆրանսերենի, իտալերենի և պորտուգալերենի վարչական ֆայլերը հայտարարում են երկու հոգնակի ձև վերնագրում և կրում երեքը յուրաքանչյուր հոգնակի գրառման մեջ, իսկ եբրայերենի ֆայլը հայտարարում է չորսը և կրում երեքը։ GNU
msgfmt --check-ը կանգ է առնում իսպաներենի վրա մահացու սխալով։ Ընդամենը 234 գրառում։ - Տեղում մնացած անգլերեն. Թայերեն «content type» և «log entry», հունարեն «work factor», բուլղարերենի հոգնակի ձև, ընդամենը 125 գրառում։
- Մեկ այլ գրի մի տառ. Թայերենի մի տառ «Russian» բառի քմերեն թարգմանության մեջ։
- Հոգնակի կանոններ, որոնք տարբերվում են CLDR-ից. Հայերենի և պենջաբերենի ֆայլերը 0-ը դնում են հոգնակի ձևի հետ, թուրքերենի ֆայլը 0-ը դնում է եզակիի հետ, որտեղ CLDR-ը հակառակն է։
Ինչը մարդը դեռ կարող է ընդունել
Որոշ դրոշներ գնահատման հարցեր են, որոնց մասին ստուգումները շարունակում են որոշում կայացնել։ Թարգմանիչը, ով «Past 7 days»-ը գրում է «the past seven days» բառերով, սխալ չի թույլ տվել, սակայն մեքենայական թարգմանությունների համար փոխված կամ բաց թողնված թիվը հենց այն է, ինչի համար նախատեսված է ստուգումը, ուստի այն մնում է խիստ և կարող է անջատվել --no-numbers-ով։ Եթե թիմը որոշել է անգլերեն թողնել որևէ տերմին, օրինակ՝ «Flat Pages», այն նշվում է մինչև --keep-ով հաստատվելը։
Ինչ փոխվեց մեր կայքերի համար
Մեր սեփական կայքերը պահպանող ստուգիչը նույն կույր գոտիներն ուներ թվերի հարցում։ Նույն ուղղումներով այն ընդունում է 3,379 թարգմանություն իր մերժումների մատյանից, օրինակ՝ «one-fifth»-ը կորեերենում 1/5-ի տեսքով և ամսաթվերը՝ առաջատար զրոյով, և բոլոր նախկինում ընդունված թարգմանությունները դեռևս անցնում են։ Մի կանոն, որը մենք չափազանց թուլացրել էինք ճանապարհին. շաբաթվա օրը հիմա համարվում է թիվ միայն կարճ օրացուցային պիտակում («Thursday»-ը վիետնամերեն «Thứ 5»-ի տեսքով), այն բանից հետո, երբ մեր չափումներում օրոմո լեզվով մի տող սխալ ամսաթիվ էր անցկացրել։
Որտեղ է այն գտնվում
Ստուգումները անվճար են translation-checks-ում, որը 1.3-ից սկսած ստուգում է նաև .po ֆայլը՝ ներառյալ Plural-Forms կանոնը, իսկ 1.4-ից սկսած գործում է որպես pre-commit hook նախագծի .po ֆայլերի նկատմամբ. 42 լեզուների կանոնները ներկայացված են մեր gettext նշումում։ Polyglot-ը կատարում է թարգմանությունը Ձեր սեփական մոդելով և կատարում է նույն ստուգումները յուրաքանչյուր գրված տողի նկատմամբ։