我们在 Django 的 31,879 条翻译中运行了翻译检查。一半的初始警报来自我们自己的误报。
语言
我们的翻译检查是在机器翻译的基础上发展起来的:即我们的本地模型为我们自己的网站生成的翻译,当占位符、数字或名称缺失时,会被拒绝并重新生成。人们的翻译方式各不相同。为了了解检查功能对此有何反应,我们在 Django 5.2 自带的 .po 文件中运行了这些检查,涵盖 Django 支持的我们语言列表中的 39 种语言:共 31,879 条已翻译条目。
首次运行
检查共标记了 1,031 个条目,其中约一半是检查工具自身的误报。译者在日语、泰语或保加利亚语中保留“URL”、“IPv4”和“%s KB”原样,而我们的脚本检查却将其视为未翻译的英文。他们在译文中保留 PostgreSQL、JSON 和 True,将 6 p.m. 写为 18.00,6 a.m. 写为 06.00,将 Feb. 写为 2月,而“%(value).1f”甚至未被识别为占位符。现在这些都已被接受:从源文复制的名称、代码和路径不再被脚本判为错误,保留原样的单个单词或单位可通过,以数字形式书写的时间、日历标签、序数和分数被视为相同的数字。
修复后,同样的文件给出 475 条被标记的条目,占比 1.5%,而在我们自己的网站接受的 576,120 条页面翻译中,检查功能仍然没有产生误报。
真正的问题
- 复数头部与其条目不一致:西班牙语、法语、意大利语和葡萄牙语的 admin 文件在头部声明了两种复数形式,但在每个复数条目中却使用了三种,希伯来语文件声明了四种,却使用了三种。GNU
msgfmt --check在西班牙语文件上因致命错误而停止。总共 234 条条目。 - 遗留的英文:泰语中的“content type”和“log entry”,希腊语中的“work factor”,一个保加利亚语复数形式,总共 125 条条目。
- 另一种文字的字母:高棉语单词“Russian”中混入了一个泰语字母。
- 与 CLDR 不同的复数规则:亚美尼亚语和旁遮普语文件将 0 归入复数形式,土耳其语文件将 0 归入单数形式,而 CLDR 的规定则相反。
人们可能仍会接受的情况
有些标记属于需要判断的情况,检查工具会持续做出这些判断。如果译者将 "Past 7 days" 写成 "the past seven days"(用文字而非数字),这并非错误,但对于机器翻译而言,数字的改变或缺失正是检查工具要捕捉的问题,因此该规则保持严格,并可通过 --no-numbers 关闭。对于团队决定保留英文的术语(例如 "Flat Pages"),会被标记出来,直到使用 --keep 通过为止。
它为我们网站带来的改变
守护我们自有网站的检查工具在数字处理上存在同样的盲点。经过相同的修复后,它现在能接受日志中此前被拒绝的 3,379 条翻译,例如韩语中将 "one-fifth" 译为 1/5,以及带前导零的日期;而此前所有通过的翻译依然能通过。我们在过程中放宽了某条规则:现在仅在简短的日历标签中(例如越南语中将 "Thursday" 译为 "Thứ 5")才将星期几视为数字,这是因为在测量过程中,一条奥罗莫语(Oromo)行让一个错误的日期通过了检查。
代码位置
检查功能在 translation-checks 中免费提供,自 1.3 版本起,它还能独立检查 .po 文件(包括其 Plural-Forms 规则),自 1.4 版本起,它可作为 pre-commit 钩子在项目的 .po 文件上运行;42 种语言的规则详见 我们的 gettext 说明。Polyglot 使用您自己的模型进行翻译,并对其写入的每个字符串执行相同的检查。