Słowniczek nie służy do wyszukiwania i zamiany: najpierw zdefiniuj granice słów, wielkość liter i wyjątki

Glosariusz może wyglądać tak, jakby po prostu zamieniał jedno słowo na drugie, ale w praktyce granice słów, wielkość liter, odmiany i identyfikatory kodu mają wpływ na wyniki. Jeśli nie będzie się z nim dobrze obchodzić, może on zostać przez pomyłkę wymieniony lub może zostać pominięte miejsce, w którym należy go wymienić.

Ten artykuł jest przeznaczony dla redaktorów i programistów, którzy muszą utrzymywać terminologię związaną z tłumaczeniami lub dokumentacją. Poniżej wykorzystano standardową bibliotekę Pythona do napisania konserwatywnego przykładu weryfikacji, przedstawiono listę kontrolną akceptacji i wyjaśniono, jak sprawdzić tłumaczenie za pomocą funkcji terminologicznej OmniDoc. Po jego przeczytaniu możesz zdecydować, które słowa powinny być kandydujące, które powinny być chronione i jak zamienić słownik w konwencję, którą zespół będzie mógł sprawdzić.

Przykład zademonstrowano na próbkach syntetycznych. Kod został sprawdzony w izolowanym środowisku, ale nie gwarantuje to autentyczności wszystkich plików ani działania produktu. Przed przystąpieniem do przetwarzania ważnych dokumentów prosimy o zachowanie oryginałów i zapoznanie się z nimi zgodnie z poniższymi granicami i punktami akceptacji.

Jak zastąpić słownik bez popełniania błędów? Wniosek w jednym zdaniu

Najpierw znajdź kandydatów, a następnie zdecyduj, czy ich zastąpić, na podstawie słownika i kontekstu. Nie wykonuj bezpośrednio globalnego wyszukiwania i zamiany.

Każdy język wymaga własnej konwencji dopasowywania

W tym artykule podano celowo konserwatywny przykład w języku angielskim: API sam w sobie ignoruje dopasowanie wielkości liter, a litery, cyfry i podkreślenia nie są dopasowywane, gdy sąsiadują ze sobą. Przykład zaimplementowano przy użyciu standardowej biblioteki Pythona re.

Należy zauważyć, że ta konwencja nie stanowi kompletnej zasady segmentacji słów w językach naturalnych ani nie uwzględnia ujednoznaczniania liczby mnogiej, dzierżawy ani kontekstu.

Testuj z ciągami, które są blisko, ale nie powinny trafić

Podczas testowania nie tylko patrz, co powinno trafić, ale także wstaw ciągi znaków, które są blisko, ale nie powinny trafić, takie jak APIs i 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")

Dopasowanie kandydata nie jest poleceniem zastępczym

Kod zachowuje lokalizację i oryginalny tekst i nie modyfikuje bezpośrednio tekstu. W ten sposób recenzent może rozróżnić tekst, linki i obszary kodu, a także sprawdzić, czy należy zachować oryginalne słowa.

Kandydujące pozycje w formacie HTML lub Word również muszą zostać zmapowane na węzły struktury. Nie można po prostu zająć pozycji całego splotu i zapisać go z powrotem do oryginalnego tekstu.

Niewrażliwość na wielkość liter również ma granice

Przypadki Unicode i konwencje językowe nie zawsze odpowiadają sobie. Ten artykuł dotyczy prostych terminów angielskich i nie można go uogólnić na narzędzie rozpoznawania terminów odpowiednie dla wszystkich języków.

Duże glosariusze muszą także uwzględniać problemy nakładających się kandydatów, najdłuższych dopasowań i zarządzania wersjami, aby uniknąć powtarzających się sprzecznych sugestii dotyczących tego samego akapitu.

📊 Porównanie rdzeni

Zmień słownik w konwencję sprawdzalną

Oficjalna strona OmniDoc (portal produktowy) wprowadza funkcję słownika. Podczas oceny możesz wybrać odczuloną próbkę zawierającą tekst, identyfikatory kodowe i zmiany morfologiczne i sprawdzić, czy terminy wpisują się we właściwy kontekst w porównaniu z tłumaczeniem.

Wartość glosariusza nie polega na mechanicznym zastępowaniu większej liczby słów, ale na ustabilizowaniu konwencji sformułowań zespołu.

🎯 Która metoda jest dla Ciebie odpowiednia?

jeśli…

• Konieczność przetwarzania dokumentów zawierających identyfikatory kodów: najpierw chroń obszar kodu, a następnie przeglądaj kandydatów.
• Terminy z odmianami: zachowaj reguły morfologiczne z wyprzedzeniem i nie oczekuj, że niezależne dopasowanie obejmie APIs.
• Postępuj zgodnie z chińską terminologią: nie stosuj reguł granic słów angielskich, zamiast tego używaj segmentacji słów lub reguł odpowiednich dla języka chińskiego.
• Duży glosariusz: należy również zająć się nakładającymi się kandydatami, najdłuższymi dopasowaniami i zarządzaniem wersjami.

❓ Często zadawane pytania (FAQ)

1. Dlaczego dopasowywanie glosariuszy nie może zostać bezpośrednio zastąpione globalnie?

Ponieważ słowa zawierające te same litery nie muszą koniecznie być zastępowane, na przykład APIs jest zmianą morfologiczną, a api_gateway może być identyfikatorem kodowym.

2. Czy w tym przykładzie można zastosować liczbę mnogą i dzierżawczą?

nie mogę. Jest to celowo konserwatywny przykład języka angielskiego, który nie odpowiada za ujednoznacznienie liczby mnogiej, dzierżawczej ani kontekstowej.

3. Czy stanowisko kandydata można bezpośrednio wpisać w cały tekst?

Kandydujące pozycje w formacie HTML lub Word muszą być najpierw zmapowane na węzły struktury i nie można po prostu zapisać pozycji całego połączonego ciągu.

4. Na co powinniśmy zwrócić uwagę korzystając z dużego słownika?

Należy zająć się nakładającymi się kandydatami, najdłuższymi dopasowaniami i zarządzaniem wersjami, aby uniknąć powtarzających się sprzecznych sugestii dotyczących tego samego akapitu.

📝 Podsumowanie

Wartość glosariusza polega na tym, że konwencje sformułowań stosowane w Twoim zespole są bardziej stabilne. Podczas oceny użycie odczulonych próbek w celu sprawdzenia zgodności z tłumaczeniem jest bardziej niezawodne niż bezpośrednie zastąpienie.

Wypróbuj teraz: prześlij dokument, aby rozpocząć tłumaczenie, zachowując oryginalny układ