Woordenlijst is geen zoeken en vervangen: definieer eerst de woordgrenzen, hoofdletters en uitzonderingen

Een woordenlijst ziet er misschien uit alsof het het ene woord voor het andere is, maar in de praktijk zijn woordgrenzen, hoofdlettergebruik, verbuigingen en code-identificaties allemaal van invloed op de resultaten. Als er niet goed mee wordt omgegaan, kan het per ongeluk worden vervangen, of kan de plaats waar het vervangen moet worden gemist worden.

Dit artikel is bedoeld voor redacteuren en ontwikkelaars die de terminologie voor vertalingen of documentatie moeten onderhouden. Het volgende gebruikt de standaardbibliotheek van Python om een conservatief verificatievoorbeeld te schrijven, geeft een acceptatiechecklist en legt uit hoe u de vertaling kunt controleren met de terminologiefunctie van OmniDoc. Nadat u het hebt gelezen, kunt u beslissen welke woorden in aanmerking moeten komen, welke moeten worden beschermd en hoe u de woordenlijst kunt omzetten in een conventie die het team kan afvinken.

Het voorbeeld wordt gedemonstreerd met behulp van kunststofmonsters. De code is gecontroleerd in een geïsoleerde omgeving, maar dit biedt geen garantie voor alle authentieke bestanden of productprestaties. Voordat u belangrijke documenten verwerkt, dient u de originelen te bewaren en deze te controleren volgens de onderstaande grenzen en acceptatie-items.

Hoe kan ik de woordenlijst vervangen zonder fouten te maken? Conclusie in één zin

Zoek eerst kandidaten en beslis vervolgens of u wilt vervangen op basis van de woordenlijst en de context. Voer niet rechtstreeks een globaal zoeken en vervangen uit.

Elke taal vereist zijn eigen matchingconventie

Dit artikel geeft een opzettelijk conservatief Engels voorbeeld: API negeert op zichzelf het matchen van hoofdletters en kleine letters, en letters, cijfers en onderstrepingstekens komen niet overeen als ze naast elkaar staan. Het voorbeeld is geïmplementeerd met behulp van de Python-standaardbibliotheek re.

Merk op dat deze conventie geen volledige woordsegmentatieregel voor natuurlijke talen is, en ook niet zorgt voor het ondubbelzinnig maken van meervoud, bezittelijk of contextueel.

Test met snaren die dichtbij zijn maar niet moeten raken

Kijk bij het testen niet alleen naar wat moet raken, maar plaats ook snaren die dichtbij zijn maar niet moeten raken, zoals APIs en 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")

Matchende kandidaat is geen vervangingsopdracht

De code behoudt de locatie en originele tekst en wijzigt de tekst niet rechtstreeks. Op deze manier kan de recensent de tekst, links en codegebieden onderscheiden en ook zien of de originele woorden behouden moeten blijven.

De kandidaatposities in HTML of Word moeten ook worden toegewezen aan structuurknooppunten. Je kunt niet zomaar de positie van de hele gesplitste string overnemen en terugschrijven naar de originele tekst.

Hoofdletterongevoeligheid kent ook grenzen

Unicode-hoofdletter- en taalconventies komen niet altijd één op één overeen. Dit artikel is gericht op eenvoudige Engelse termen en kan niet worden gegeneraliseerd naar een termherkenner die geschikt is voor alle talen.

Grote woordenlijsten moeten ook problemen met overlappende kandidaten, langste overeenkomsten en versiebeheer aanpakken om herhaalde tegenstrijdige suggesties voor dezelfde paragraaf te voorkomen.

📊 Kernvergelijking

Maak van de woordenlijst een controleerbare conventie

De officiële website OmniDoc (productportaal) introduceert de woordenlijstfunctie. Bij de evaluatie kunt u een ongevoelig gemaakt voorbeeld selecteren dat tekst, code-identificatoren en morfologische veranderingen bevat, en controleren of de termen in de juiste context vallen ten opzichte van de vertaling.

De waarde van een woordenlijst is niet om mechanisch meer woorden te vervangen, maar om de formuleringsconventie van het team stabieler te maken.

🎯 Welke methode is geschikt voor jou?

als je……

• Noodzaak om documenten te verwerken die code-identificatoren bevatten: bescherm eerst het codegebied en bekijk vervolgens de kandidaten.
• Termen met verbuigingen: handhaaf morfologische regels van tevoren en verwacht niet dat onafhankelijke matching APIs dekt.
• Hanteer Chinese terminologie: pas geen Engelse woordgrensregels toe, maar gebruik in plaats daarvan woordsegmentatie of regels die geschikt zijn voor het Chinees.
• Grote woordenlijst: Ook overlappende kandidaten, langste matches en versiebeheer komen aan bod.

❓ Veelgestelde vragen (FAQ)

1. Waarom kan het matchen van woordenlijsten niet direct wereldwijd worden vervangen?

Omdat woorden die dezelfde letters bevatten niet noodzakelijkerwijs vervangen hoeven te worden, is APIs bijvoorbeeld een morfologische verandering en kan api_gateway een code-identificatie zijn.

2. Kan dit voorbeeld overweg met meervoudsvormen en bezittelijke naamwoorden?

kan niet. Het is een opzettelijk conservatief voorbeeld van Engels dat niet verantwoordelijk is voor meervoud, bezittelijk of contextueel ondubbelzinnig maken.

3. Kan de kandidaatpositie direct teruggeschreven worden naar de gehele tekst?

De kandidaatposities in HTML of Word moeten eerst worden toegewezen aan structuurknooppunten, en je kunt niet zomaar de positie van de hele aaneengeschakelde string terugschrijven.

4. Waar moeten we op letten bij het gebruik van een grote woordenlijst?

Overlappende kandidaten, langste overeenkomsten en versiebeheer moeten worden aangepakt om herhaalde tegenstrijdige suggesties voor dezelfde paragraaf te voorkomen.

📝 Samenvatting

De waarde van een woordenlijst is om de formuleringsconventies van uw team stabieler te maken. Bij de evaluatie is het gebruik van ongevoelige monsters ter controle van de vertaling betrouwbaarder dan directe vervanging.

Probeer het nu: upload het document om de vertaling te starten, waarbij de oorspronkelijke lay-out behouden blijft