我們對 Django 的 31,879 筆翻譯執行了翻譯檢查。約一半的初次警告來自我們自己。
語言
我們的翻譯檢查是在機器翻譯上成長起來的:也就是我們的本地模型為我們自己的網站所寫的內容,當佔位符、數字或名稱遺失時,會被拒絕並要求重寫。人們的翻譯方式各不相同。為了了解檢查對這些差異的反應,我們針對 Django 5.2 隨附的 .po 檔案執行檢查,涵蓋 Django 已支援的 39 種我們的語言:共 31,879 筆已翻譯條目。
第一次執行
檢查結果標記了 1,031 個條目,其中約一半的標記其實是檢查腳本自身的誤判。譯者在日文、泰文或保加利亞文中保留「URL」、「IPv4」和「%s KB」原樣,但我們的腳本檢查卻將這些視為未翻譯的英文。他們在翻譯後的句子中保留 PostgreSQL、JSON 和 True,將 6 p.m. 寫成 18.00、6 a.m. 寫成 06.00,將 Feb. 寫成 2月,而「%(value).1f」甚至未被識別為佔位符。現在這些情況都已獲接受:從原始檔複製的名稱、程式碼與路徑不會被腳本計入違規,保留原樣的一個單字或單位可以通過,而以數字寫出的時間、日曆標籤、序數與分數則視為相同的數字。
修正後,相同的檔案標記出 475 筆條目,佔 1.5%,而在我們自己的網站所接受的 576,120 筆頁面翻譯上,檢查仍然沒有產生誤報。
真正錯誤之處
- 複數標頭與其條目不一致:西班牙文、法文、義大利文和葡萄牙文的 admin 檔案在標頭中宣告兩種複數形式,但在每個複數條目中卻使用三種,而希伯來文檔案宣告四種卻使用三種。GNU
msgfmt --check會在西班牙文檔案上因致命錯誤而停止。總共 234 筆條目。 - 保留英文未翻譯:泰文的「content type」和「log entry」、希臘文的「work factor」、一個保加利亞文的複數形式,總共 125 筆條目。
- 混入其他文字的字母:在高棉文「俄文」一詞中混入了一個泰文字母。
- 與 CLDR 不同的複數規則:亞美尼亞文和旁遮普文檔案將 0 歸入複數形式,土耳其文檔案將 0 歸入單數形式,而 CLDR 的規定則相反。
人類可能仍會接受的情況
有些標記屬於判斷性問題,檢查器會持續標記。譯者將「Past 7 days」寫成「the past seven days」(以文字寫出數字)並非錯誤,但對機器翻譯而言,數字改變或遺失正是檢查器要捕捉的重點,因此該規則維持嚴格,可用 --no-numbers 關閉。若團隊決定保留英文術語(例如「Flat Pages」),該術語會被標記,直到使用 --keep 通過為止。
對我們網站的改變
守護我們自家網站的檢查器在數字方面也有相同的盲點。透過相同的修正,它能接受日誌中原本拒絕的 3,379 筆翻譯,例如韓文中將「one-fifth」寫成 1/5,以及帶前導零的日期,且先前已接受的所有翻譯仍能通過。過程中有一條規則我們放寬過度:現在僅在簡短日曆標籤中(例如越南文將「Thursday」寫成「Thứ 5」)才將星期幾視為數字,這是因為我們測試資料中一行奧羅莫語讓錯誤日期溜過了檢查。
存放位置
檢查功能在 translation-checks 中免費提供,自 1.3 版起也能單獨檢查 .po 檔案(包含其 Plural-Forms 規則),自 1.4 版起則可作為 pre-commit hook 執行於專案的 .po 檔案上;42 種語言的規則請見我們的 gettext 筆記。Polyglot 使用您自己的模型進行翻譯,並對其寫入的每一字串執行相同的檢查。