Przeprowadziliśmy testy tłumaczeń na 31 879 tłumaczeniach Django. Połowa pierwszych alarmów była po naszej stronie.
Języki
Nasze testy tłumaczeń wyewoluowały z tłumaczeń maszynowych: tego, co nasz lokalny model generuje dla naszych własnych serwisów, odrzucanego i poprawianego, gdy ginie placeholder, liczba lub nazwa. Ludzie tłumaczą inaczej. Aby sprawdzić, jak testy radzą sobie z tymi różnicami, uruchomiliśmy je na plikach .po dołączonych do Django 5.2, w 39 naszych językach dostępnych w Django: 31 879 przetłumaczonych wpisów.
Pierwsze uruchomienie
Kontrole oznaczyły 1031 pozycji, a około połowa oznaczeń to błędy samych kontroli. Tłumacze pozostawiają „URL”, „IPv4” i „%s KB” bez zmian w języku japońskim, tajskim czy bułgarskim, a nasz skrypt kontrolny traktował to jako pozostawiony angielski tekst. Zachowują PostgreSQL, JSON i True w przetłumaczonym zdaniu, zapisują 6 p.m. jako 18.00, 6 a.m. jako 06.00 oraz Feb. jako 2月, a „%(value).1f” nie zostało nawet rozpoznane jako placeholder. Każde z tych zachowań jest teraz akceptowane: nazwy, kod i ścieżki skopiowane ze źródła nie obciążają skryptu, pojedyncze słowo lub jednostka pozostawione bez zmian przechodzą, a godziny, etykiety kalendarzowe, liczebniki porządkowe i ułamki zapisane cyframi są traktowane jako te same liczby.
Po poprawkach te same pliki dają 475 oznaczonych wpisów, czyli 1,5%, a na 576 120 tłumaczeniach stron, które akceptują nasze własne serwisy, testy nadal nie generują fałszywych alarmów.
Co naprawdę było nie tak
- Nagłówki liczby mnogiej niezgodne z wpisami: hiszpańskie, francuskie, włoskie i portugalskie pliki administracyjne deklarują w nagłówku dwie formy liczby mnogiej, a zawierają trzy w każdym wpisie liczby mnogiej, a plik hebrajski deklaruje cztery i zawiera trzy. GNU
msgfmt --checkzatrzymuje się na hiszpańskim pliku z błędem krytycznym. Łącznie 234 wpisy. - Pozostawiony angielski: tajskie „content type” i „log entry”, greckie „work factor”, bułgarska forma liczby mnogiej, łącznie 125 wpisów.
- Litera z innego pisma: litera tajska w khmerskim słowie oznaczającym „rosyjski”.
- Zasady liczby mnogiej niezgodne z CLDR: pliki ormiański i pendżabski przypisują 0 do liczby mnogiej, a turecki przypisuje 0 do liczby pojedynczej, podczas gdy CLDR ma to odwrotnie.
Co człowiek może jeszcze zaakceptować
Niektóre flagi to kwestia oceny, którą testy będą nadal zgłaszać. Tłumacz, który zapisze „Past 7 days” jako „the past seven days” słownie, nie popełnił błędu, ale w przypadku tłumaczeń maszynowych zmieniona lub brakująca liczba to dokładnie to, do czego służą te testy, dlatego pozostają surowe i można je wyłączyć za pomocą --no-numbers. Termin, który zespół postanowił zachować w języku angielskim, np. „Flat Pages”, jest flagowany, dopóki nie zostanie zatwierdzony opcją --keep.
Co zmieniło się dla naszych witryn
Narzędzie sprawdzające chroniące nasze własne witryny miało te same ślepe punkty dotyczące liczb. Dzięki tym samym poprawkom akceptuje 3379 tłumaczeń ze swojego dziennika odrzuceń, takich jak „one-fifth” jako 1/5 w języku koreańskim czy daty z zerem wiodącym, a każde tłumaczenie, które wcześniej akceptowało, nadal przechodzi. Jedną regułę zbyt mocno poluzowaliśmy po drodze: dzień tygodnia jest teraz traktowany jako liczba tylko w krótkiej etykiecie kalendarzowej (np. „Thursday” jako wietnamskie „Thứ 5”), po tym jak w naszym pomiarze w języku oromo przeszło błędne datowanie.
Gdzie to się znajduje
Kontrole są darmowe w translation-checks, które od wersji 1.3 sprawdza również samodzielnie plik .po, w tym jego regułę Plural-Forms, a od wersji 1.4 działa jako hook pre-commit dla plików .po w projekcie; reguły dla 42 języków znajdziesz w naszej nocie o gettext. Polyglot tłumaczy przy użyciu Twojego własnego modelu i wykonuje te same kontrole dla każdego zapisywanego ciągu.