1 082 oversettelser hadde et ord i feil alfabet. Sjekkene våre godkjente alle sammen.
Språk
31. oktober fant vi en ungarsk setning på en av sidene våre med kinesiske ord midt i. Vi søkte i de lagrede oversettelsene av alle sidene vi driver, etter bokstaver som ikke hører til språket, og fant 1 082 oversettelser som dette, hvorav 581 var på publiserte sider. Alle hadde bestått sjekkene våre.
Det vi fant
Alt var skrevet av de lokale modellene som oversetter sidene våre, og alt er samme feil: ett eller to ord på et annet språk. Fra de lagrede oversettelsene, og fra de som er avslått siden:
- Kinesisk inne i andre språk: "they are" som 它们是 midt i en thai-setning; det kinesiske ordet for "track", 跟踪, fikk en ungarsk endelse ("támadók跟踪ására"); lignende ord i polsk og gresk.
- Russisk inne i gresk, armensk, hebraisk og slovensk: "full house" på gresk ble til "φουλ хаус", der det andre ordet var i kyrillisk.
- Liknende bokstaver: en kyrillisk "о" eller "а" på slutten av et finsk eller tsjekkisk ord. Ingen som leste siden, ville merke det; en søkemotor eller en skjermleser ville.
- Naboskrifter: et bengalsk tegn inne i et kannada-ord, devanagari inne i kannada.
- Hele linjer på thai på khmer-sider: titler, etiketter og tabellceller på khmer-sidene til to sider var rett og slett skrevet på thai.
Butikken vår hadde syv slike linjer selv. I én av dem ble "planted values" på rumensk til "valori植入".
Hvorfor sjekkene godkjente dem
Skriftsjekken spurte om minst 45 % av bokstavene i en oversettelse var i språkets skrift. Det fanger opp engelsk som er latt stå, som var hensikten med den. To kinesiske tegn i en ungarsk setning på hundre bokstaver endrer ikke andelen, og ett enkelt kyrillisk tegn endrer den enda mindre.
Kort tekst hadde en annen regel. Under 25 bokstaver engelsk sjekket sjekken bare at svaret ikke hadde blitt værende på engelsk. En khmer-tabellcelle skrevet på thai inneholder ikke engelsk i det hele tatt, så den besto.
Regelen som fanger dem opp
En bokstav som hører til et skriftspråk språket ikke bruker, og som ikke finnes i den engelske kilden, er en feil. Tre unntak hindrer regelen i å blåse i fløyte:
- Latinske bokstaver er alltid tillatt: merkenavn, kode og enheter forekommer i alle språk.
- Kinesisk, japansk og koreansk sjekkes ikke, fordi japansk blander kana og kanji, og koreansk kan bruke hanja.
- Serbisk og punjabi, som begge skrives med to skriftsystemer, sjekkes bare for tegn fra kinesisk, japansk og koreansk.
Vi kjørte regelen over alt nettstedene våre hadde lagret, og hver linje den markerte som vi leste, var feil. Siden 31. oktober har den avvist 1 652 oversettelser mens de ble laget, 1 549 av dem khmer: Modellen har ikke sluttet å skrive thai for khmer, men nå blir den bedt på nytt i stedet for publisert.
Rydding
Lagrede oversettelser sjekkes på nytt bare når språket oversettes på nytt, så hvert berørt språk ble oversatt på nytt: 61 av dem på tvers av elleve nettsteder. To linjer kom tilbake med samme feil en gang til: den rumenske "valori植入" og en gresk linje med 面向 i seg. Vi skrev disse to for hånd. Den 2. november hadde ingen publisert side hos oss et tegn fra et annet skriftsystem.
Hvor regelen bor nå
Den finnes i translation-checks 1.1.0, gratis på GitHub, ved siden av en ny sjekk som sikrer at hvert tall kommer tilbake og vet at "3 million" er 300万 på japansk. Kjørt mot nettstedene våre sine 568 574 godkjente oversettelser, ga de nye sjekkene ingen falske alarmer. Polyglot 1.1.0 leverer dem også. Den første gangen sjekkene våre var problemet, finnes i en tidligere merknad.