Ми прогнали наші перевірки перекладів на 31 879 перекладах Django. Половина перших тривог була нашою помилкою.
Мови
Наші перевірки перекладів виросли на машинних перекладах: на тому, що наша власна модель пише для наших сайтів, відхиляє та просить переписати, коли зникає плейсхолдер, число чи назва. Люди перекладають по-різному. Щоб побачити, як перевірки реагують на це, ми прогнали їх по .po-файлах, що постачаються з Django 5.2, у 39 наших мовах, які підтримує Django: 31 879 перекладених записів.
Перший запуск
Перевірки позначили 1 031 запис, і приблизно половина позначок була власними помилками самих перевірок. Перекладачі залишають «URL», «IPv4» та «%s KB» без змін у японській, тайській чи болгарській, а наш скрипт приймав це за англійський текст, залишений без перекладу. Вони зберігають PostgreSQL, JSON і True всередині перекладеного речення, пишуть 6 p.m. як 18.00, 6 a.m. як 06.00, а Feb. як 2月, і «%(value).1f» взагалі не розпізнавався як плейсхолдер. Тепер усе це приймається: імена, код і шляхи, скопійовані з оригіналу, не враховуються скриптом, одне слово або одиниця виміру, залишені без змін, проходять перевірку, а час, мітки календаря, порядкові числівники та дроби, записані цифрами, вважаються тими самими числами.
Після виправлень ті самі файли дають 475 позначених записів, 1,5%, а на 576 120 перекладах сторінок, які приймають наші власні сайти, перевірки досі не видають хибних тривог.
Що насправді було не так
- Заголовки множини, що не узгоджуються з їхніми записами: адмін-файли іспанською, французькою, італійською та португальською декларують дві форми множини у заголовку, але несуть три в кожному записі множини, а файл івритом декларують чотири, але несуть три. GNU
msgfmt --checkзупиняється на іспанському з фатальною помилкою. Усього 234 записи. - Англійська, що залишилася: тайські «content type» і «log entry», грецьке «work factor», болгарська форма множини, усього 125 записів.
- Літера іншої писемності: тайська літера всередині кхмерського слова для «Російська».
- Правила множини, що відрізняються від CLDR: файли вірменською та пенджабською ставлять 0 у форму множини, а файл турецькою ставить 0 у форму однини, тоді як у CLDR навпаки.
Що людина ще може прийняти
Деякі прапорці — це рішення, які перевірки продовжуватимуть приймати самостійно. Перекладач, який пише «Past 7 days» як «the past seven days» словами, не помилився, але для машинного перекладу змінене або відсутнє число — це саме те, для чого призначена перевірка, тому вона залишається суворою і її можна вимкнути за допомогою --no-numbers. Термін, який команда вирішила залишити англійською, наприклад «Flat Pages», позначається до тих пір, поки його не пропустять за допомогою --keep.
Що це змінило для наших сайтів
У перевірювача, який захищає наші власні сайти, були ті самі сліпі зони щодо чисел. З тими самими виправленнями він приймає 3379 перекладів зі свого журналу відхилень, наприклад «one-fifth» як 1/5 корейською та дати з провідним нулем, і кожен переклад, який він раніше приймав, досі проходить. Одне правило ми надто послабили по дорозі: тепер день тижня рахується як число лише в короткій календарній мітці («Thursday» як в'єтнамське «Thứ 5»), після того як рядок мовою оромо в нашому вимірюванні пропустив неправильну дату.
Де це розміщено
Перевірки безкоштовні в translation-checks, який з версії 1.3 також перевіряє файл .po окремо, включно з його правилом Plural-Forms, а з версії 1.4 працює як хук pre-commit для файлів .po проєкту; правила для 42 мов наведені в нашій нотатці про gettext. Polyglot виконує переклад за допомогою вашої власної моделі та запускає ті самі перевірки для кожного рядка, який записує.