Мы прогнали наши проверки переводов по 31 879 переводам Django. Половина первых предупреждений была нашей ошибкой.
Языки
Наши проверки переводов выросли на машинных переводах: на том, что наша локальная модель пишет для наших собственных сайтов, отбраковывая и запрашивая заново, когда пропадает плейсхолдер, число или имя. Люди переводят по-разному. Чтобы посмотреть, как проверки реагируют на это, мы прогнали их по .po-файлам, поставляемым с Django 5.2, на 39 из наших языков, доступных в Django: 31 879 переведённых записей.
Первый запуск
Проверки пометили 1 031 запись, и примерно половина пометок оказалась ошибками самих проверок. Переводчики оставляют «URL», «IPv4» и «%s KB» без изменений в японском, тайском или болгарском, что наш скрипт проверки принимал за оставленный английский текст. Они сохраняют PostgreSQL, JSON и True внутри переведённого предложения, записывают 6 p.m. как 18.00, 6 a.m. как 06.00, а Feb. — как 2月, и «%(value).1f» вообще не распознавался как заполнитель. Теперь всё это принимается: имена, код и пути, скопированные из исходного текста, не считаются ошибкой скрипта, одно слово или единица измерения, оставленные без изменений, проходят проверку, а время, календарные метки, порядковые числительные и дроби, записанные цифрами, считаются теми же числами.
После исправлений те же файлы дают 475 помеченных записей, 1,5%, а на 576 120 переводах страниц наших собственных сайтов, которые проверки принимают, ложных срабатываний по-прежнему нет.
Что было действительно не так
- Заголовки форм множественного числа, не совпадающие с записями: файлы админки на испанском, французском, итальянском и португальском объявляют две формы множественного числа в заголовке, но содержат три в каждой записи с множественным числом, а файл на иврите объявляет четыре, но содержит три. GNU
msgfmt --checkостанавливается на испанском с фатальной ошибкой. Всего 234 записи. - Оставленный английский: тайские «content type» и «log entry», греческий «work factor», болгарская форма множественного числа, всего 125 записей.
- Буква из другой письменности: тайская буква внутри кхмерского слова для «русский».
- Правила множественного числа, отличающиеся от CLDR: файлы на армянском и панджаби ставят 0 с формой множественного числа, а файл на турецком ставит 0 с формой единственного числа, тогда как в CLDR наоборот.
Что человек может всё ещё принять
Некоторые флаги — это вопросы на усмотрение, которые проверки будут выставлять и дальше. Переводчик, который пишет «Past 7 days» как «the past seven days» словами, не ошибается, но для машинных переводов изменённое или пропущенное число — это именно то, ради чего нужна проверка, поэтому она остаётся строгой и её можно отключить с помощью --no-numbers. Термин, который команда решила оставить на английском, например «Flat Pages», будет помечен, пока вы не подтвердите его с помощью --keep.
Что изменилось для наших сайтов
У проверки, которая защищает наши собственные сайты, были те же слепые зоны в работе с числами. С теми же исправлениями она принимает 3 379 переводов из журнала отказов, например «one-fifth» как 1/5 на корейском и даты с ведущим нулём, и каждый перевод, который она принимала раньше, по-прежнему проходит. Одно правило мы по ходу дела ослабили слишком сильно: название дня недели теперь считается числом только в короткой календарной подписи («Thursday» как вьетнамское «Thứ 5»), после того как в наших замерах строка на оромском языке пропустила неверную дату.
Где это находится
Проверки бесплатны в translation-checks: с версии 1.3 они проверяют и отдельный .po-файл, включая правило Plural-Forms, а с версии 1.4 работают как pre-commit-хук для .po-файлов проекта; правила для 42 языков приведены в нашей заметке о gettext. Polyglot выполняет перевод с помощью вашей собственной модели и запускает те же проверки для каждой записанной строки.