சீனக் கட்டுரையை ஆங்கிலத்தில் மொழிபெயர்த்த பிறகு, உரையை மாற்றினால் மட்டும் போதாது: lang பண்புக்கூறையும் அதற்கேற்ப மாற்ற வேண்டும்.

சீன HTML ஆங்கிலத்தில் மொழிபெயர்க்கப்பட்ட பிறகு, முக்கிய உரையை மாற்றினால் மட்டும் போதாது. lang பண்புக்கூறு மற்றும் உள்ளூர் மொழி மார்க்அப் ஆகியவை ஒரே நேரத்தில் மாற்றியமைக்கப்பட வேண்டும், இல்லையெனில் உலாவிகள் மற்றும் திரை வாசிப்பு மென்பொருளானது உள்ளடக்கத்தை தவறான மொழியில் செயலாக்கும். இந்தக் கட்டுரை, இணைய ஆவண மொழிபெயர்ப்புடன் கையாள வேண்டிய மற்றும் அணுகல் மற்றும் சொற்பொருள் அமைப்பு குறித்து அக்கறை கொண்ட ஆசிரியர்கள் மற்றும் டெவலப்பர்களுக்காக வடிவமைக்கப்பட்டுள்ளது. படித்த பிறகு, எந்த lang ஐ மாற்ற வேண்டும் மற்றும் எதைத் தக்க வைத்துக் கொள்ள வேண்டும் என்பதை நீங்கள் தீர்மானிக்கலாம், மேலும் நிலையான சரிபார்ப்பைச் செய்ய அழகான சூப்பைப் பயன்படுத்தவும்.

இந்த கட்டுரையில் உள்ள ஆர்ப்பாட்டங்கள் செயற்கை மாதிரிகளைப் பயன்படுத்துகின்றன. தனிமைப்படுத்தப்பட்ட சூழலில் மாதிரி சோதனைகள் மூலம் குறியீடு இயக்கப்பட்டது, ஆனால் இது அனைத்து உண்மையான கோப்புகள் அல்லது தயாரிப்பு செயல்திறனுக்கான உத்தரவாதம் அல்ல. முக்கியமான ஆவணங்களைச் செயலாக்குவதற்கு முன், அசல் ஆவணங்களை வைத்து, உரையில் உள்ள எல்லைகள் மற்றும் ஏற்றுக்கொள்ளும் உருப்படிகளின்படி அவற்றை மதிப்பாய்வு செய்யவும்.

சீன HTML ஐ ஆங்கிலத்தில் மொழிபெயர்ப்பது எப்படி, lang பண்புக்கூறை மாற்றுவது எப்படி? ஒரு வாக்கியத்தின் முடிவு

மொழிபெயர்த்த பிறகு, நீங்கள் ரூட் நோட்டின் lang ஐ இலக்கு மொழிக்கு மாற்ற வேண்டும், மேலும் ஒவ்வொரு உள்ளூர் மொழி குறிச்சொல்லும் உண்மையான உரையுடன் ஒத்துப்போகிறதா என்பதைச் சரிபார்க்கவும்.

லாங் பண்புக்கூறை ஏன் உலகளவில் மாற்ற முடியாது?

மொழியாக்கம் முடிந்ததும் ரூட் நோட்டின் <html lang="zh-CN"> ஐ <html lang="en"> ஆக மாற்ற வழக்கமான வெளிப்பாடுகள் அல்லது DOM செயல்பாடுகளைப் பயன்படுத்துவது உள்ளுணர்வு அணுகுமுறை ஆகும். இது ஒருமொழி பக்கங்களுக்கு நன்றாக வேலை செய்கிறது, ஆனால் உற்பத்தி HTML ஆவணங்கள் பெரும்பாலும் பன்மொழி துண்டுகளை கொண்டிருக்கும். எடுத்துக்காட்டாக, ஒரு ஆங்கில தொழில்நுட்ப வலைப்பதிவு பண்டைய சீன புத்தகத்தின் அசல் உரையை மேற்கோள் காட்டலாம் அல்லது மொழிபெயர்க்கப்படாத சரியான பெயர்ச்சொற்கள், குறியீடு கருத்துகள் மற்றும் பயனர் கருத்துகளை உட்பொதிக்கலாம். இந்த உள்ளூர் பகுதிகள் பொதுவாக <span lang="zh-CN"> அல்லது <blockquote lang="zh"> வழியாக மொழியில் வெளிப்படையாக அறிவிக்கப்படும்.

அனைத்து lang பண்புக்கூறுகளும் கண்மூடித்தனமாக மேலெழுதப்பட்டால், இந்த உரை-பாதுகாப்பு துண்டுகள் அவற்றின் சரியான மொழி சூழலை இழக்கும். மாறாக, ரூட் நோட் மட்டும் மாற்றப்பட்டு, சைல்டு நோட்கள் புறக்கணிக்கப்பட்டு, சைல்டு நோட்கள் பழைய zh-CN மதிப்பைப் பெற்றால், மொழிபெயர்க்கப்பட்ட ஆங்கிலப் பத்தி சீன மொழியாகவே அங்கீகரிக்கப்படும்.

சரியான தர்க்கம் "மேல்-கீழ் மரபுரிமை + உள்ளூர் கவரேஜ் சரிபார்ப்பு": ஒவ்வொரு உரை முனையின் உண்மையான மொழியும் அதன் அருகிலுள்ள மூதாதையர் முனையின் lang மதிப்புடன் ஒத்துப்போகிறது என்பதை உறுதிப்படுத்தவும். இது ஒரு எளிய கண்டுபிடிப்பு மற்றும் மாற்றியமைத்தல் அல்ல, ஆனால் DOM மரத்தின் சொற்பொருள் நிலையின் பயணச் சரிபார்ப்பு.

மொழிக் குறிச்சொற்கள் ஆவணக் கட்டமைப்பின் ஒரு பகுதியாகும்

• மொழி குறிச்சொற்கள் தேடுபொறி அட்டவணைப்படுத்தல், CSS போலி-வகுப்பு தேர்வாளர்கள் (:lang(en) போன்றவை) மற்றும் எழுத்துப்பிழை சரிபார்ப்புகளை பாதிக்கிறது
• இது அலங்கார மெட்டாடேட்டா அல்ல மற்றும் உள்ளடக்கத்துடன் நகர்த்தப்பட வேண்டும்

தொகுப்பு எடுத்துக்காட்டு: சரியான வெளியீடு மற்றும் விளிம்பு வழக்குகள்

பின்வருபவை ஒரு பொதுவான கலப்பு மொழி HTML ஐ உள்ளீட்டு மாதிரியாகப் பயன்படுத்துகிறது.

செயற்கை உள்ளீடு மாதிரி:

<html lang="zh-CN">
<body>
  <h1>产品发布说明</h1>
  <p>本次更新修复了登录模块的严重Bug。</p>
  <p class="quote">原文引用：<span lang="zh-CN">天行健，君子以自强不息。</span></p>
  <footer>版权所有 © 2024</footer>
</body>
</html>

மேற்கோள்களின் அசல் சீன உரையைத் தக்க வைத்துக் கொண்டு இந்த ஆவணத்தை ஆங்கிலத்தில் மொழிபெயர்ப்பதே குறிக்கோள் என்று வைத்துக்கொள்வோம்.

எதிர்பார்க்கப்படும் சரியான வெளியீடு:

-மூல முனை lang="en" ஆகிறது

• தலைப்புகள் மற்றும் உடல் பத்திகள் கூடுதல் மார்க்அப் இல்லாமல் ரூட் நோட் மொழியைப் பெறுகின்றன
• <span> ஒரு மேற்கோள் கொள்கலனுக்குள் lang="zh-CN" மாறாமல் இருக்கும்
• சிறப்பு மொழித் தேவை இல்லாவிட்டால், அடிக்குறிப்பு ஆங்கிலத்தைப் பெறும்.

மொழிபெயர்க்கப்பட்ட ஆங்கிலப் பத்தியானது சீன மொழியைச் சுட்டிக்காட்டும் lang பண்புக்கூறைத் தக்கவைக்க முடியாது, மேலும் ஆங்கிலத்தில் தவறாகப் படிக்கப்படுவதைத் தடுக்க, தக்கவைக்கப்பட்ட சீனத் துண்டு வெளிப்படையாக அறிவிக்கப்பட வேண்டும்.

பொதுவான பிழைகள் மற்றும் விளிம்பு வழக்குகள்

1. வெற்று சரம் அல்லது தவறான மதிப்பு: மூலக் கோப்பில் lang="" அல்லது lang="chinese" (BCP47 அல்லாத நிலையானது) உள்ளது. செயலாக்க முறையானது, அதை விதிவிலக்காகக் குறிப்பது மற்றும் சூழலுக்கு ஏற்ப zh-CN அல்லது en-US என கைமுறையாக நிறைவு செய்வது அல்லது மொழிபெயர்ப்பதற்கு முன் அதை சுத்தம் செய்வது.
2. மாறும் வகையில் உருவாக்கப்பட்ட மொழி குறிச்சொல்: சில CMS lang பண்புக்கூறை இயக்க நேரத்தில் செலுத்துகிறது, இது நிலையான HTML இல் இல்லை. ஸ்கிரிப்ட் நிலையான மூலக் குறியீட்டை மட்டுமே சரிபார்க்க முடியும், மேலும் "டைனமிக் உள்ளடக்கம் தனித்தனியாக சோதிக்கப்பட வேண்டும்" என்பதை ஏற்றுக்கொள்ளும் போது கவனிக்க வேண்டும்.
3. நெஸ்டிங் தகராறு: <div lang="en"><p lang="zh-CN">已翻译为英文的内容</p></div> என்பது உள்ளடக்கம் மற்றும் மார்க்அப் ஆகியவற்றுக்கு இடையே உள்ள பொதுவான முரண்பாடு. உள்ளடக்கம் தவறாக மொழிபெயர்க்கப்பட்டதா அல்லது மார்க்அப் தவறாக எழுதப்பட்டதா என்பதைச் சொல்ல வழியில்லாததால், வேலிடேட்டர் அத்தகைய முரண்பாடுகளைத் தானாகத் திருத்துவதற்குப் பதிலாகப் புகாரளிக்க வேண்டும்.

📊 முக்கிய ஒப்பீடு

பியூட்டிஃபுல் சூப்பைப் பயன்படுத்தி மொழி நிலைத்தன்மை சரிபார்ப்பை உருவாக்கவும்

பின்வரும் பைதான் உதாரணம், HTML ஐ எவ்வாறு அலசுவது மற்றும் மொழி மார்க்அப் மற்றும் உள்ளடக்கத்திற்கு இடையே உள்ள முரண்பாடுகளின் அபாயத்தைக் கண்டறிவது என்பதை விளக்குகிறது. இது புறச் சரிபார்ப்பு தர்க்கத்தின் ஒரு செயல்விளக்கமே தவிர, முழுமையான மொழிபெயர்ப்பு தர உத்தரவாத அமைப்பு அல்ல.

குறிப்பு: இந்த உதாரணம் கற்பித்தல் நோக்கங்களுக்காக உள்ளது மற்றும் உண்மையான உற்பத்தி சூழலில் இயக்கப்பட்டு சரிபார்க்கப்படவில்லை. ஆன்லைனில் தர ஆய்வுக்கு நேரடியாகப் பயன்படுத்த வேண்டாம்.

# 依赖: beautifulsoup4 (推荐 4.12.x 系列)
# 注意: CJK检测仅为启发式演示，仅覆盖基本汉字区(U+4E00-U+9FFF)，
#       不包含日文假名、韩文谚文及扩展区字符，生产环境请使用专用语言识别库
from bs4 import BeautifulSoup

def validate_lang_consistency(html_content: str, target_lang: str) -> list:
    """
    校验HTML中lang属性是否与目标语言一致。
    返回潜在问题列表，而非自动修复。
    """
    soup = BeautifulSoup(html_content, 'html.parser')
    issues = []

    # 检查根节点
    html_tag = soup.find('html')
    if html_tag and html_tag.get('lang', '').lower() != target_lang.lower():
        issues.append(f"Root lang mismatch: '{html_tag.get('lang')}' vs expected '{target_lang}'")

    # 遍历所有带lang属性的元素
    for tag in soup.find_all(attrs={'lang': True}):
        current_lang = tag['lang'].strip().lower()
        # 跳过根节点（已检查）和无文本内容的标签
        if tag.name == 'html' or not tag.get_text(strip=True):
            continue

        # 启发式检查：标记语言与文本字符集是否冲突
        text = tag.get_text(strip=True)
        has_cjk = any('\u4e00' <= c <= '\u9fff' for c in text)

        if target_lang.startswith('en') and has_cjk and current_lang.startswith('en'):
            issues.append(f"Content-lang conflict: <{tag.name} lang='{current_lang}'> contains CJK: '{text[:20]}...'")
        elif target_lang.startswith('zh') and not has_cjk and current_lang.startswith('zh'):
            # 排除纯数字/符号等特殊情况
            if len(text) > 3 and text.isascii():
                issues.append(f"Content-lang conflict: <{tag.name} lang='{current_lang}'> seems non-CJK: '{text[:20]}...'")

    return issues

# 合成测试用例（模拟翻译后未清理lang属性的场景）
sample_html = '''
<html lang="zh-CN">
<body>
  <p>This paragraph was translated to English but lang attr remains.</p>
  <p lang="en">天行健，君子以自强不息。</p>
</body>
</html>
'''

results = validate_lang_consistency(sample_html, 'en')
# 验证函数能识别出根节点不匹配和内容-标记冲突两类问题
assert len(results) == 2, f"Expected 2 issues, got {len(results)}"
assert 'Root lang mismatch' in results[0]
assert 'Content-lang conflict' in results[1]
print("Validation logic structure verified.")

ஸ்கிரிப்ட் பியூட்டிஃபுல் சூப்பைப் பயன்படுத்தி HTML ஐ ஒரு ஆப்ஜெக்ட் ட்ரீயாக அலசுகிறது, பின்னர் find_all(attrs={'lang': True}) மூலம் அனைத்து மொழி அறிவிப்பு புள்ளிகளையும் கண்டறியும். இது மொழிபெயர்ப்பைச் செய்யாது, நிலையான பகுப்பாய்வு மட்டுமே. செயல்பாடு இரண்டு பொதுவான வகை சிக்கல்களை அங்கீகரிக்கிறது என்பதை உறுதிப்படுத்தல் அறிக்கை சரிபார்க்கிறது. இது எழுத்துத் தொகுப்பின் அடிப்படையிலான ஹூரிஸ்டிக் சோதனை மட்டுமே மற்றும் மொழியியல் மதிப்பாய்வை மாற்ற முடியாது என்பதைக் கவனத்தில் கொள்ள வேண்டும்.

ஏற்றுக்கொள்ளும் அளவுகோல்கள் மற்றும் கைமுறை மதிப்பாய்வு எல்லைகள்

தானியங்கு சரிபார்ப்பு கட்டமைப்பு பிழைகளை பிடிக்கலாம் ஆனால் சூழலை புரிந்து கொள்ள முடியாது. குறியீடு எதைக் கண்டறியலாம் மற்றும் கைமுறையாக மதிப்பாய்வு செய்யப்பட வேண்டியவற்றுக்கு இடையே உள்ள இடைவெளியை பின்வரும் அட்டவணை கோடிட்டுக் காட்டுகிறது:

வெளிப்படையான பொருந்தாத காட்சிகள்:

• இந்த சரிபார்ப்பு தர்க்கம் PDF, Word, போன்ற கட்டமைக்கப்படாத ஆவணங்களுக்குப் பொருந்தாது.
• ஜாவாஸ்கிரிப்ட் (எஸ்எஸ்ஆர் தவிர) முழுவதுமாக ரெண்டர் செய்யப்பட்ட ஒற்றைப் பக்க பயன்பாடுகளுக்குக் கிடைக்கவில்லை
• இயந்திர மொழிபெயர்ப்பின் தரத்தை மதிப்பிடுவதற்கான அளவுகோலாக தனியாகப் பயன்படுத்த முடியாது

"கைமுறை மதிப்பாய்வு தேவை" என்ற வடிவத்தில் உருப்படியை சந்திக்கும் போது, தானியங்கு செயல்முறை இடைநிறுத்தப்பட வேண்டும் மற்றும் இருமொழியை நன்கு அறிந்த ஆசிரியர் தலையிட வேண்டும்.

🎯 எந்த முறை உங்களுக்கு ஏற்றது?

நீங்கள் என்றால்....

• ஒருமொழிப் பக்கங்கள் மட்டும்: ரூட் கணு மாற்றுதல் சாத்தியம், ஆனால் சைல்டு நோட்கள் பழைய மதிப்பைப் பெறுகிறதா என்பதை நீங்கள் இன்னும் சரிபார்க்க வேண்டும்.
• பக்கம் சீன மேற்கோள்கள் அல்லது சரியான பெயர்ச்சொற்களை வைத்திருக்கிறது: இந்த துண்டுகளுக்கு வெளிப்படையான lang அறிக்கையைச் சேர்க்கவும்.
• CMS அல்லது JavaScript மூலம் மாறும் வகையில் உருவாக்கப்பட்ட உள்ளடக்கம்: முன்-இறுதி E2E சோதனையின் நோக்கத்தில் மொழி மார்க்அப்பை இணைக்கவும்.
• PDF அல்லது Word கோப்புகளைச் செயலாக்குகிறது: இந்தக் கட்டுரையின் HTML சரிபார்ப்பு தர்க்கம் பொருந்தாது, மேலும் நீங்கள் தொடர்புடைய வடிவமைப்பின் சோதனை முறையைப் பயன்படுத்த வேண்டும்.

❓ அடிக்கடி கேட்கப்படும் கேள்விகள் (FAQ)

1. ரூட் நோட்டின் லாங் பண்புக்கூறை மட்டும் மாற்றினால் போதுமா?

போதாது. சைல்டு நோட் பழைய zh-CN மதிப்பைப் பெற்றிருந்தால், மொழிபெயர்க்கப்பட்ட ஆங்கிலப் பத்தி சீன மொழியாகவே அங்கீகரிக்கப்படும். ஒவ்வொரு உரை முனையும் அதன் அருகிலுள்ள மூதாதையர் முனையின் மொழியில் நிலைத்தன்மையை சரிபார்க்க வேண்டும்.

2. பக்கத்தில் உள்ள சீன மேற்கோள்களை எவ்வாறு கையாள்வது?

<span lang="zh-CN"> அல்லது <blockquote lang="zh"> போன்றவற்றுடன் அதை வெளிப்படையாக அறிவிக்கவும். இது சீன துணுக்குகள் ஆங்கிலத்தில் தவறாகப் படிக்கப்படுவதைத் தடுக்கிறது.

3. lang="" அல்லது lang="chinese" ஐ நேரடியாகத் தக்கவைக்க முடியுமா?

பரிந்துரைக்கப்படவில்லை. இந்த மதிப்புகள் BCP47 தரநிலைக்கு இணங்கவில்லை. இது விதிவிலக்காகக் குறிக்கப்பட வேண்டும், சூழலுக்கு ஏற்ப zh-CN அல்லது en-US போன்ற செல்லுபடியாகும் குறிச்சொற்களில் கைமுறையாக முடிக்கப்பட வேண்டும் அல்லது மொழிபெயர்ப்பிற்கு முன் சுத்தம் செய்யப்பட வேண்டும்.

4. ஜாவாஸ்கிரிப்டில் இருந்து மாறும் வகையில் உருவாக்கப்பட்ட மொழி குறிச்சொற்களை ஸ்கிரிப்ட் சரிபார்க்க முடியுமா?

முடியாது. ஸ்கிரிப்ட் நிலையான மூலக் குறியீட்டை மட்டுமே சரிபார்க்கிறது. மாறும் வகையில் உட்செலுத்தப்பட்ட உள்ளடக்கம் தனித்தனியாக சோதிக்கப்பட வேண்டும் மற்றும் முன்-இறுதி E2E சோதனையின் நோக்கத்தில் சேர்க்கப்பட வேண்டும்.

📝 சுருக்கம்

HTML ஐ மொழிபெயர்க்கும்போது, மொழி குறிச்சொற்கள் மற்றும் உடல் உரை ஆகியவை ஒன்றாக மாற்றப்பட வேண்டும். முதலில் ரூட் நோடைச் சரிபார்த்து, பின்னர் உள்ளூர் மொழி அறிவிப்புகளை உருப்படியாகச் சரிபார்த்து, இறுதியாக ஸ்கிரிப்ட் தீர்மானிக்க முடியாத பகுதிகளை நிரப்ப கைமுறை மதிப்பாய்வைப் பயன்படுத்தவும்.

இப்போது முயற்சிக்கவும்: அசல் தளவமைப்பைத் தக்கவைத்து, மொழிபெயர்ப்பைத் தொடங்க ஆவணத்தைப் பதிவேற்றவும்

குறிப்புகள்

• அழகான சூப்பின் அதிகாரப்பூர்வ ஆவணம் - பண்புக்கூறுகள்: https://www.crummy.com/software/BeautifulSoup/bs4/doc/#attributes

ஆவண மொழிபெயர்ப்புக்கு இந்த சரிபார்ப்புப் பட்டியலைப் பயன்படுத்தவும்

வலை ஆவணங்களின் உரை, இணைப்புகள், குறியீடு மற்றும் கட்டமைப்பு ஆகியவை தனித்தனியாக செயலாக்கப்பட வேண்டும். ஏற்றுக்கொள்ளும் பட்டியலில் பாதுகாப்பு தேவைப்படும் பகுதிகளைச் சேர்த்து, மொழிபெயர்ப்பிற்குப் பிறகு வாசிப்புத்திறன் மற்றும் பக்கக் காட்சி விளைவை மதிப்பீடு செய்யவும்.

OmniDoc (தயாரிப்பு போர்டல்) பல வடிவ ஆவண மொழிபெயர்ப்பு போர்ட்டலை வழங்குகிறது, மேலும் அதிகாரப்பூர்வ இணையதளம் OCR, சொற்களஞ்சியம் மற்றும் இருமொழி ஒப்பீடு போன்ற செயல்பாடுகளை அறிமுகப்படுத்துகிறது. உங்கள் குழு கோப்பில் இருந்து நேரடியாகச் செயலாக்கத் தொடங்க விரும்பினால், உண்மையான மாதிரிகள் மூலம் இந்தப் பாதையை நீங்கள் மதிப்பீடு செய்யலாம். பதிவேற்றம் செய்ய உங்களுக்கு அனுமதி உள்ள டீசென்சிடைஸ் செய்யப்பட்ட கோப்புகளைப் பயன்படுத்தவும், மேலும் முடிவுகளை மதிப்பாய்வு செய்ய இந்தக் கட்டுரையில் உள்ள சரிபார்ப்பு உருப்படிகளைப் பயன்படுத்தவும். இந்த கட்டுரை OmniDoc இன் உள் செயலாக்கத்தை உள்ளடக்காது, மேலும் எடுத்துக்காட்டுகள் தயாரிப்பு செயல்திறன் சோதனைக்கு மாற்றாக இல்லை.