El glosario no es una búsqueda y reemplazo: defina primero los límites de las palabras, los casos y las excepciones

Puede parecer que un glosario simplemente está intercambiando una palabra por otra, pero en la práctica, los límites de las palabras, los casos, las inflexiones y los identificadores de código afectan los resultados. Si no se maneja bien, es posible que se reemplace por error o que se pierda el lugar donde se debe reemplazar.

Este artículo está dirigido a editores y desarrolladores que necesitan mantener la terminología para traducciones o documentación. A continuación se utiliza la biblioteca estándar de Python para escribir un ejemplo de verificación conservadora, se proporciona una lista de verificación de aceptación y se explica cómo verificar la traducción con la función terminológica de OmniDoc. Después de leerlo, puedes decidir qué palabras deberían ser candidatas, cuáles deberían protegerse y cómo convertir el glosario en una convención que el equipo pueda marcar.

El ejemplo se demuestra utilizando muestras sintéticas. El código se ha verificado en un entorno aislado, pero esto no representa una garantía de todos los archivos originales ni del rendimiento del producto. Antes de procesar documentos importantes, conserve los originales y revíselos de acuerdo con los límites y los elementos de aceptación a continuación.

¿Cómo reemplazar el glosario sin cometer errores? Conclusión de una frase

Primero busque candidatos y luego decida si desea reemplazarlos según el glosario y el contexto. No realice directamente una búsqueda y reemplazo global.

Cada idioma requiere su propia convención de coincidencia

Este artículo ofrece un ejemplo en inglés deliberadamente conservador: API por sí solo ignora la coincidencia de mayúsculas y minúsculas, y las letras, números y guiones bajos no coinciden cuando son adyacentes. El ejemplo se implementa utilizando la biblioteca estándar de Python re.

Tenga en cuenta que esta convención no es una regla completa de segmentación de palabras para lenguajes naturales, ni se ocupa de la desambiguación del plural, el posesivo o el contexto.

Pruebe con cuerdas que estén cerca pero que no deberían golpear

Al realizar la prueba, no solo observe lo que debería golpear, sino también coloque cadenas que estén cerca pero que no deban golpear, como APIs y api_gateway.

import re

def english_candidates(text, term):
    if not term:
        raise ValueError("empty term")
    pattern = re.compile(r"(?<!\w)" + re.escape(term) + r"(?!\w)", re.IGNORECASE)
    return [(m.start(), m.end(), m.group()) for m in pattern.finditer(text)]

text = "API and api; APIs, rapid, api_gateway."
found = english_candidates(text, "API")
assert [item[2] for item in found] == ["API", "api"]
assert all(text[start:end] == raw for start, end, raw in found)
assert english_candidates("api_gateway", "API") == []
assert english_candidates("APIs", "API") == []
assert english_candidates("(API)", "API")[0][2] == "API"
try:
    english_candidates(text, "")
except ValueError:
    pass
else:
    raise AssertionError("empty glossary term accepted")

El candidato coincidente no es un comando de reemplazo

El código conserva la ubicación y el texto original y no modifica directamente el texto. De esta manera, el revisor puede distinguir el texto, los enlaces y las áreas de código, y también puede ver si se deben conservar las palabras originales.

Las posiciones candidatas en HTML o Word también deben asignarse a nodos de estructura. No se puede simplemente tomar la posición de toda la cadena empalmada y escribirla nuevamente en el texto original.

La insensibilidad entre mayúsculas y minúsculas también tiene límites

Las convenciones de lenguaje y casos Unicode no siempre se corresponden uno a uno. Este artículo está orientado a términos simples en inglés y no se puede generalizar a un reconocedor de términos adecuado para todos los idiomas.

Los glosarios grandes también deben abordar cuestiones de superposición de candidatos, coincidencias más largas y gestión de versiones para evitar repetidas sugerencias contradictorias para el mismo párrafo.

📊 Comparación central

Hacer del glosario una convención verificable

El sitio web oficial OmniDoc (portal de productos) presenta la función de glosario. Al evaluar, puede seleccionar una muestra insensible que contenga texto, identificadores de código y cambios morfológicos, y comprobar si los términos se encuentran en el contexto correcto frente a la traducción.

El valor de un glosario no es reemplazar mecánicamente más palabras, sino hacer que la convención de redacción del equipo sea más estable.

🎯 ¿Qué método es el adecuado para ti?

si usted……

• Necesidad de procesar documentos que contienen identificadores de código: primero proteja el área del código y luego vea los candidatos.
• Términos con inflexiones: mantenga las reglas morfológicas con anticipación y no espere que la correspondencia independiente cubra APIs.
• Manejar la terminología china: no aplique reglas de límites de palabras en inglés, utilice segmentación de palabras o reglas adecuadas para el chino.
• Glosario extenso: también es necesario abordar la superposición de candidatos, las coincidencias más largas y la gestión de versiones.

❓ Preguntas frecuentes (FAQ)

1. ¿Por qué no se puede reemplazar directamente la coincidencia del glosario a nivel mundial?

Debido a que las palabras que contienen las mismas letras no necesariamente necesitan ser reemplazadas, por ejemplo, APIs es un cambio morfológico y api_gateway puede ser un identificador de código.

2. ¿Puede este ejemplo manejar plurales y posesivos?

no puedo. Es un ejemplo deliberadamente conservador de inglés que no es responsable de la desambiguación plural, posesiva o contextual.

3. ¿Se puede escribir directamente el puesto del candidato en todo el texto?

Las posiciones candidatas en HTML o Word deben asignarse primero a los nodos de la estructura y no se puede simplemente volver a escribir la posición de toda la cadena concatenada.

4. ¿A qué debemos prestar atención cuando utilizamos un glosario grande?

Es necesario abordar la superposición de candidatos, las coincidencias más largas y la gestión de versiones para evitar sugerencias contradictorias repetidas para el mismo párrafo.

📝 Resumen

El valor de un glosario es hacer que las convenciones de redacción de su equipo sean más estables. Al evaluar, utilizar muestras insensibilizadas para comparar la traducción es más confiable que el reemplazo directo.

Pruébelo ahora: cargue el documento para comenzar la traducción, conservando el diseño original