DOCX மொழிபெயர்ப்பு ஏன் தைரியத்தை இழக்கிறது? முதலில் ஓட்டத்தை வைத்திருங்கள், பின்னர் முழு பகுதியையும் மாற்றுவது பற்றி பேசுங்கள்.

DOCX மொழிபெயர்ப்பிற்குப் பிறகு தைரியம், சாய்வு மற்றும் எழுத்துரு அளவு இழக்கப்படும். பொதுவான காரணம் என்னவென்றால், பத்தி உள்ளடக்கம் முழு உரையுடன் நேரடியாக மாற்றப்படுகிறது, இது அசல் ரன்-லெவல் வடிவமைப்பைக் கழுவுகிறது. பல குழுக்கள் மொழிபெயர்ப்பைப் பெற்ற பிறகு, பொதுவான எதிர்வினை என்னவென்றால், வேர்டில் உள்ள முக்கியத்துவ வடிவம் இல்லை. இந்த கட்டுரை DOCX ஐ செயலாக்க python-docx ஐப் பயன்படுத்தும் டெவலப்பர்களுக்கும், இருமொழி ஆவணங்களை வழங்க வேண்டிய ஆசிரியர்களுக்கும் ஏற்றது.

ஒரு பத்தியில் வேர்டில் ஒரே ஒரு வாக்கியம் இருப்பதாகத் தெரிகிறது, ஆனால் DOCX இல் இது பல ரன்களைக் கொண்டிருக்கலாம்: சாதாரண உரை, வலியுறுத்தப்பட்ட உரை, எழுத்துரு அளவு மாற்றங்கள் மற்றும் ஹைப்பர்லிங்க்கள் மற்றும் சாதாரண ரன் பட்டியலில் சேராத பிற கட்டமைப்புகள். இதைப் படித்த பிறகு, பிரச்சனை பொதுவாக எங்கு உள்ளது, ரன் மூலம் இயக்கப்படும் மொழிபெயர்ப்புகளை மீண்டும் எழுதுவது எப்படி மற்றும் தானியங்கு மாற்றீட்டை எப்போது நிராகரிக்க வேண்டும் என்பதை நீங்கள் அறிவீர்கள்.

மொழிபெயர்த்த பிறகு DOCX இன் வடிவம் தொலைந்துவிட்டால் நான் என்ன செய்ய வேண்டும்? ஒரு வாக்கியத்தின் முடிவு

முதலில் செயலாக்கத்தை சாதாரண டெக்ஸ்ட் ரன் பத்திகளுக்கு மட்டும் வரம்பிடவும், அசல் ரன் வரிசை எண்ணின் படி மொழிபெயர்ப்பை ஒவ்வொன்றாக மீண்டும் எழுதவும், அதைச் சேமித்து, ஏற்றுக்கொள்வதற்கு மீண்டும் படிக்கவும்; அது ஒரு சிக்கலான கட்டமைப்பை எதிர்கொண்டால் அல்லது பிரிவு பொருந்தவில்லை என்றால், மாற்றீட்டை நேரடியாக நிராகரிக்கவும்.

பிரச்சனை எங்கே: முழுப் பத்தியையும் மாற்றினால், ரன் வடிவத்தைக் கழுவிவிடலாம்

paragraph.text க்கு மதிப்பை நேரடியாக ஒதுக்குவது பத்தியின் தற்போதைய உள்ளடக்கத்தை புதிய உரையுடன் மாற்றும். பத்தி-நிலை பாணிகள் தக்கவைக்கப்படலாம், ஆனால் அசல் ரன்-நிலை வடிவமைப்பு தானாகவே தக்கவைக்கப்படாது. இந்த நடத்தை python-docx உரை API இல் வெளிப்படையாக ஆவணப்படுத்தப்பட்டுள்ளது.

மொழிபெயர்ப்பு முடிவு துல்லியமாகத் தெரிகிறது, ஆனால் வடிவம் முற்றிலும் இல்லை. இது அநேகமாக காரணம்.

பயன்பாட்டின் நோக்கம்: வடிவம் பாதுகாக்கப்படுகிறது, ஆனால் மற்ற சிக்கல்கள் தீர்க்கப்பட்டுவிட்டன என்று அர்த்தம் இல்லை.

இந்தக் கட்டுரையின் சோதனைப் பதிவுகள் உள்நாட்டில் ஒருங்கிணைக்கப்பட்ட DOCX இலிருந்து வந்தவை, என்ஜின் ஸ்கிரீன்ஷாட்களை தட்டச்சு செய்வதல்ல. "வடிவத்தை இழக்காமல் கட்டுப்படுத்தப்பட்ட மாற்றீடு" இது தீர்க்கிறது. இது தானாக குறுக்கு மொழி தொடரியல் மறுசீரமைப்புகளைத் தீர்க்காது, அல்லது மொழிபெயர்ப்பிற்குப் பிறகு பேஜிங் மாறாமல் இருப்பதையும் உறுதிசெய்யாது.

பாதுகாப்பாக மாற்றக்கூடிய வரம்பை முதலில் வரம்பிடவும்

இந்த சுருக்கப்பட்ட எடுத்துக்காட்டு எளிய உரை இயக்கத்தைக் கொண்ட பத்திகளை மட்டுமே ஏற்றுக்கொள்கிறது. ஒரு பத்தியில் ஹைப்பர்லிங்க்கள், படங்கள், புலங்கள், வரி முறிவுகள், தாவல்கள் அல்லது பிற சிக்கலான எக்ஸ்எம்எல் முனைகள் இருந்தால், அதை வெளிப்படையாக நிராகரித்து, அழைப்பாளரை ஒரு சிறப்பு செயல்முறைக்கு திருப்பி விடவும். குறியீடு இந்த உறுப்புகளை அமைதியாக சமன் செய்யாது.

மொழிபெயர்ப்பு உள்ளீடு என்பது சரங்களின் தன்னிச்சையான பட்டியல் அல்ல: ஒவ்வொரு முடிவும் அசல் இயக்கத்தின் வரிசை எண்ணைக் கொண்டிருக்க வேண்டும், மேலும் மாற்றம் தொடங்கும் முன் எண், வரிசை மற்றும் வகை அனைத்தும் பொருந்த வேண்டும். பாதியிலேயே புதுப்பித்த பிறகு, அடுத்தடுத்த புலங்களில் சிக்கல்களைக் கண்டறிவதைத் தவிர்க்க எழுதுவதற்கு முன் சரிபார்ப்பு வைக்கப்படுகிறது.

மீண்டும் மீண்டும் இயக்கக்கூடிய குறைந்தபட்ச சோதனை

சோதனை சூழல் python-docx==1.2.0 ஆகும். இங்கு ஆங்கிலம் கையால் எழுதப்பட்ட நிலையான ஒப்பீட்டிலிருந்து வருகிறது, இது கட்டமைப்பைச் சரிபார்க்கப் பயன்படுகிறது மற்றும் இயந்திர மொழிபெயர்ப்பைத் தூண்டாது.

from docx import Document
from docx.oxml.ns import qn

def replace_plain_runs(paragraph, translated):
    if any(child.tag not in {qn("w:pPr"), qn("w:r")}
           for child in paragraph._p):
        raise ValueError("paragraph contains unsupported structures")
    runs = paragraph.runs
    for run in runs:
        if any(child.tag not in {qn("w:rPr"), qn("w:t")}
               for child in run._r):
            raise ValueError("run contains a field, image or control")
    if len(translated) != len(runs):
        raise ValueError("segment count mismatch")
    for index, item in enumerate(translated):
        if (not isinstance(item, dict) or item.get("id") != index
                or not isinstance(item.get("text"), str)
                or any(ch in item["text"] for ch in "\t\r\n")):
            raise ValueError("segment identity or text mismatch")
    for run, item in zip(runs, translated):
        run.text = item["text"]

def signature(paragraph):
    return [(r.text, r.bold, r.italic) for r in paragraph.runs]

doc = Document()
p = doc.add_paragraph()
p.add_run("请在 ")
p.add_run("周五之前").bold = True
p.add_run(" 提交报告。")
before = signature(p)
try:
    replace_plain_runs(p, [{"id": 0, "text": "Incomplete"}])
    raise AssertionError("bad segments accepted")
except ValueError:
    assert signature(p) == before

replace_plain_runs(p, [
    {"id": 0, "text": "Submit the report "},
    {"id": 1, "text": "before Friday"},
    {"id": 2, "text": "."},
])
doc.save("translated-runs.docx")
restored = Document("translated-runs.docx").paragraphs[0]
assert restored.text == "Submit the report before Friday."
assert restored.runs[1].bold is True
assert len(restored.runs) == 3
complex_p = doc.add_paragraph("keep")
complex_p.runs[0].add_break()
try:
    replace_plain_runs(complex_p, [{"id": 0, "text": "reject"}])
    raise AssertionError("line break accepted")
except ValueError:
    assert complex_p.text == "keep\n"
print("PASS count mismatch: no partial write")
print("PASS save/reopen: 3 runs, emphasis preserved")
print("PASS unsupported control: rejected")
print(signature(restored))

சேமித்த பிறகு, translated-runs.docx ஐ மீண்டும் திறந்து, நினைவகத்தில் உள்ள பொருட்களை மட்டும் சரிபார்க்காமல் இருக்க அதை ஏற்கவும்.

ஏன் ஒவ்வொரு ஓட்டத்தையும் மொழிபெயர்ப்பாளருக்கு தனித்தனியாக கொடுக்கக்கூடாது?

ரன் என்பது ஒரு வடிவ எல்லை, சொற்பொருள் எல்லை அல்ல. வேர்டின் எடிட்டிங் வரலாறு ஒரு வார்த்தையை பல ரன்களாக பிரிக்கலாம். தனிமைப்படுத்தப்பட்ட மொழிபெயர்ப்புகள் சூழலை இழக்கும்; வெவ்வேறு மொழிகளின் வார்த்தை வரிசை வாக்கியத்தின் ஆரம்பம் அல்லது முடிவிற்கு முக்கியத்துவம் கொடுக்கலாம்.

உண்மையான மொழிபெயர்ப்பு உருவாக்கமானது சூழலை முழுமையான பிரிவுகளாக வழங்க வேண்டும், பின்னர் சரிபார்க்கப்பட்ட கட்டமைக்கப்பட்ட பிரிவுகளை வழங்க வேண்டும். திரும்பிய முடிவு, அசல் நீளத்தை ஒத்ததாக இல்லாதபோது, அதை ஏற்கனவே உள்ள ஓட்டத்தில் கட்டாயப்படுத்த வேண்டாம். தெளிவான மறுவடிவமைப்பு உத்தி அல்லது கைமுறை மதிப்பாய்வு தேவை. இந்த கட்டுரையில் உள்ள எளிய உதாரணம் மூன்று துண்டுகளை மட்டுமே வைத்திருக்க முடியும், ஆனால் இதை அனைத்து மொழிகளுக்கும் பொதுமைப்படுத்த முடியாது.

ஏற்றுக்கொள்வதை மூன்று நிலைகளாகப் பிரிக்கவும்

_p மற்றும் _r ஆகியவை XML ஐ சரிபார்க்க இங்கு பயன்படுத்தப்படும் உள் பண்புகள். python-docx ஐ மேம்படுத்தும் போது, நீங்கள் பதிப்பை சரிசெய்து சோதனையை மீண்டும் இயக்க வேண்டும். உள் அமைப்பு ஒருபோதும் மாறாது என்று நீங்கள் கருத முடியாது. அட்டவணைகள், தலைப்புகள், அடிக்குறிப்புகள், உரைப்பெட்டிகள் மற்றும் திருத்தச் சுவடுகளைச் செயலாக்க வேண்டியிருக்கும் போது, நீங்கள் உள்ளடக்க வரம்புகளைத் தனித்தனியாகக் கணக்கிட வேண்டும், ஏனெனில் document.paragraphs ஆவணத்தில் உள்ள அனைத்து உரைகளையும் பிரதிநிதித்துவப்படுத்த முடியாது.

டெலிவரிக்கு முன் நிலையை நிறுத்தவும்

ஆதரிக்கப்படாத கட்டமைப்புகள், பொருந்தாத பிரிவுகள், விடுபட்ட எழுத்துருக்கள், முக்கியமான புலங்களில் மாற்றங்கள், இவற்றில் ஏதேனும் தானியங்கு விநியோகத்தைத் தடுக்க வேண்டும். அசல் கோப்பைப் படிக்க மட்டும் சேமிக்கவும், புதிய கோப்பில் மொழிபெயர்ப்பை எழுதவும், மொழி, செயலாக்க பதிப்பு மற்றும் கைமுறையாக ஏற்றுக்கொள்ளும் பதிவு ஆகியவற்றை இணைக்கவும். இது "வெற்றிகரமாக சேமி" என்பதை விட தரத்தின் சிறந்த குறிகாட்டியாகும்.

ஆவணங்களைப் பதிவேற்றுவதில் இருந்து மொழிபெயர்ப்பு மற்றும் மதிப்பாய்வு செயல்முறைக்கு நீங்கள் செல்ல வேண்டும் என்றால், நீங்கள் OmniDoc தயாரிப்பு போர்டல் ஐப் பார்க்கலாம். இந்தக் கட்டுரையில் உள்ள குறியீட்டு எடுத்துக்காட்டுகள் சுதந்திரமான திறந்த மூல நூலகக் கற்பித்தல் மாதிரிகள் மற்றும் OmniDoc இன் தற்போதைய இறக்குமதியாளர் அல்லது தளவமைப்பு இயந்திரத்தை செயல்படுத்துவதைக் குறிக்கவில்லை. ஒரே ஒரு அடிப்படைக் கொள்கை மட்டுமே உள்ளது: மொழிபெயர்க்கப்பட்ட போனஸைக் காட்டிலும், ஏற்றுக்கொள்ளப்பட வேண்டிய தரவாக வடிவமைப்பைக் கருதுங்கள்.

📊 முக்கிய ஒப்பீடு

🎯 எந்த முறை உங்களுக்கு ஏற்றது?

உங்கள் பத்தியில் சாதாரண உரை இயக்கம் மட்டுமே இருந்தால்

இந்தக் கட்டுரையில் உள்ள குறைந்தபட்ச உதாரணத்தின்படி, முதலில் வரிசை எண், அளவு, வரிசை மற்றும் வகையைச் சரிபார்த்து, பின்னர் ஒவ்வொன்றாக மீண்டும் எழுதி, சேமித்து, ஏற்றுக்கொள்வதற்கு மீண்டும் படிக்கவும்.

உங்கள் பத்தியில் ஹைப்பர்லிங்க்கள், புலங்கள் அல்லது படங்கள் இருந்தால்

தானியங்கி மாற்றீட்டை நேரடியாக நிராகரித்து, அதை ஒரு சிறப்பு செயல்முறைக்கு மாற்றவும். குறியீடு இந்த கட்டமைப்புகளை அமைதியாக சமன் செய்யாது.

நீங்கள் முறையான இருமொழி ஆவணங்களை வழங்குகிறீர்கள் என்றால்

அசல் கோப்பைப் படிக்க மட்டும் சேமிக்கவும், புதிய கோப்பில் மொழிபெயர்ப்பை எழுதவும், மொழி, செயலாக்க பதிப்பு மற்றும் கைமுறையாக ஏற்றுக்கொள்ளும் பதிவுகளை இணைக்கவும். விடுபட்ட எழுத்துருக்கள், முக்கியமான புலங்களில் மாற்றங்கள், பொருந்தாத பிரிவுகள் போன்றவை அனைத்தும் தானியங்கி விநியோகத்தைத் தடுக்க வேண்டும்.

❓ அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)

1. நீங்கள் நேரடியாக paragraph.text க்கு மதிப்பை ஒதுக்கினால் தைரியம் இழக்கப்படுமா?

சந்திப்பு. பத்தி-நிலை பாணிகள் தக்கவைக்கப்படலாம், ஆனால் அசல் ரன்-நிலை வடிவமைப்பு தானாகவே தக்கவைக்கப்படாது.

2. ஒவ்வொரு ஓட்டத்தையும் தனித்தனியாக மொழிபெயர்ப்பாளருக்கு ஏன் கொடுக்கக்கூடாது?

ரன் என்பது சொற்பொருள் எல்லையை விட வடிவ எல்லை. தனிமைப்படுத்தப்பட்ட மொழிபெயர்ப்பு ஒன்றன் பின் ஒன்றாக சூழலை இழக்கும், மேலும் வெவ்வேறு மொழிகளின் வார்த்தை வரிசையும் வாக்கியத்தின் ஆரம்பம் அல்லது முடிவுக்கு முக்கியத்துவம் கொடுக்கலாம்.

3. வெற்றிகரமாகச் சேமிப்பது என்பது வடிவம் சரி என்று அர்த்தமா?

முடியாது. கோப்பு ஏற்றுக்கொள்ளும் தரவு கட்டமைப்புகள் சேமித்த பிறகு மீண்டும் திறக்கப்பட வேண்டும்; சொற்பொருள் உள்ளடக்கம் மற்றும் காட்சி அமைப்பு தனித்தனியாக சரிபார்க்கப்பட வேண்டும்.

4. python-docx ஐ மேம்படுத்தும் போது நான் என்ன கவனம் செலுத்த வேண்டும்?

குறியீடு _p மற்றும் _r இன் உள் பண்புகளைப் பயன்படுத்துகிறது. நீங்கள் பதிப்பைச் சரிசெய்து சோதனையை மீண்டும் இயக்க வேண்டும். உள் அமைப்பு ஒருபோதும் மாறாது என்று நீங்கள் கருத முடியாது.

📝 சுருக்கம்

ஒரே ஒரு அடிப்படைக் கொள்கை மட்டுமே உள்ளது: மொழிபெயர்க்கப்பட்ட போனஸைக் காட்டிலும், ஏற்றுக்கொள்ளப்பட வேண்டிய தரவாக வடிவமைப்பைக் கருதுங்கள். இந்தக் கட்டுரையில் உள்ள குறியீட்டு எடுத்துக்காட்டுகள் சுதந்திரமான திறந்த மூல நூலகக் கற்பித்தல் மாதிரிகள் மற்றும் OmniDoc இன் தற்போதைய இறக்குமதியாளர் அல்லது தளவமைப்பு இயந்திரத்தை செயல்படுத்துவதைக் குறிக்கவில்லை.

இப்போது முயற்சிக்கவும்: அசல் தளவமைப்பைத் தக்கவைத்து, மொழிபெயர்ப்பைத் தொடங்க ஆவணத்தைப் பதிவேற்றவும்