跳到正文
跳到正文

参考 / CLI

机器翻译页面

本页面为自动翻译,可能有错误或表述不够自然。内容以英文版本为准。阅读英文原文。

verbatra tmx

导入其他工具的 TMX 翻译记忆库,让之后的运行复用其中的字符串而不必再付费,或把本项目的翻译记忆库导出为 TMX。

以 TMX(主流翻译平台使用的交换格式)把翻译记忆库导入或导出。tmx import 把其他工具的翻译记忆库放进本项目的翻译记忆库(见翻译缓存),让之后的运行复用这些字符串,而不必再次付费;tmx export 把翻译记忆库写回文件。两个方向都不调用提供商,不读取 API 密钥,也不访问网络。真实导入还会向已有的 .gitignore 添加缺少的条目,见 .gitignore 条目。

用法

verbatra tmx <direction> [file] [flags]
  • <direction>:import 或 export;其他值会以 INVALID_DIRECTION 报错。
  • [file]:要读取或写入的 TMX 文件,默认为项目根目录中的 verbatra-memory.tmx。

示例

# 把其他工具的翻译记忆库导入本项目
verbatra tmx import legacy.tmx

# 报告会导入什么,不做任何更改
verbatra tmx import legacy.tmx --dry-run

# 文件与翻译记忆库不一致时,以文件为准
verbatra tmx import legacy.tmx --overwrite

# 把翻译记忆库写入 verbatra-memory.tmx
verbatra tmx export

# 只导出德语,写到指定路径
verbatra tmx export out/memory.tmx --locales de

选项

选项参数默认值作用
--locales<list>每个已配置的目标语言环境只导入或导出这个以逗号分隔的目标语言环境子集
--dry-run无关闭仅限导入:校验并报告,不更改翻译记忆库;导出时使用它会以 INVALID_DIRECTION 报错
--overwrite无关闭仅限导入:让导入的单元替换翻译记忆库中已有的译文;导出时使用它会以 INVALID_DIRECTION 报错

还接受全局选项 --cwd、--config 和 --json。这里的配置查找和你传入的相对 [file] 都从 --cwd 解析,而翻译记忆库和默认的 verbatra-memory.tmx 从项目根目录解析。

行为

导入的单元必须满足什么

来自其他工具的文件是不可信输入,而翻译记忆库中的单元可能在无人再次确认的情况下被复用。所以每条候选译文在进入翻译记忆库时,都要经过与提供商输出相同的完整性门禁(见翻译安全):

  • 它的占位符与其源句段的占位符一致;
  • 它的内联 HTML 或 XML 标签与其源句段的标签一致,所以像 <img onerror> 这样被注入的标签会被拒绝;
  • 它是所配置格式的适配器下有效的 ICU 消息;
  • 它没有退化为失控的输出;
  • 源文本非空时,它不是空白。

源句段为空白的单元不标识任何字符串,同样会被拒绝。内联标记(bpt、ept、ph、it)会被展平为其文本,所以占位符检查能发现带有重要内容的内联标记;sub 元素的文本是独立的内容流(工具提示、替代文本),会被排除在外。句段属性会被忽略,包括 verbatra 导出所写的 x-origin 和 x-review:翻译记忆库不记录来源。

不会悄悄丢弃任何内容:每次拒绝、每个不可用的单元、在你的源语言环境中没有句段的单元、被展平的单元和被丢弃的 sub 文本,都会按原因计数。

每个被拒绝的单元还会列出其序号、原因,以及检查能说明时的具体问题,例如 unit 12: icu ({count} plural: missing arm "few" required by the target language)。

匹配语言标签

TMX 文件按其作者所用工具的方式书写语言。匹配规则从不猜测:

  1. 双方都转为小写,下划线变为连字符,所以 pt_BR、pt-br 和 pt-BR 是同一个语言环境。完全匹配优先。
  2. 否则,作为该标签子标签前缀的已配置语言环境会匹配,最长的优先(RFC 4647 查找):配置了 de 和 de-AT 时,de-AT-1996 归入 de-AT,de-CH-1901 归入 de。
  3. 较短的标签也能匹配只多出地区或变体的已配置语言环境,但不会匹配多出文字的:de 归入 de-DE,pt 归入 pt-BR,但 sr 绝不会归入 sr-Latn。
  4. 文字或地区不同的标签绝不匹配:zh-CN 绝不会存为 zh-TW,de-AT 绝不会存为 de-CH。
  5. 只有当标签可能对应的语言环境不在同一条前缀链上时,该标签才有歧义,例如配置了 pt-BR 和 pt-AO 时的 pt。

每个句段都会在一遍处理中,对照源语言环境和所有已配置的目标来解析,即使使用 --locales 也一样,所以源为 pt 的项目中的 pt-BR 目标绝不会被当作源。源句段与目标句段一样排序:完全匹配的标签优先于前缀匹配,值相同则一致,地位相同但值不同的句段(en-US 的“Color”和 en-GB 的“Colour”)会使该单元被拒绝。源和某个目标规范化后得到同一个标签的配置会被直接拒绝。

两个对应到同一语言环境的目标句段,不会让后出现的一个胜出:完全匹配的标签优先于前缀匹配,两个地位相同但值不同的句段不会为该语言环境存储任何内容,并把该单元计为冲突。未匹配的标签按标签计数,第一个 body 之外的 tu 元素会被计数,头部中的 srclang 如果不是你的源语言环境,也会报告。

文件与翻译记忆库不一致时

以项目的翻译记忆库为准:导入的译文与已有的译文不同时,会被拒绝并计为保留,除非传入 --overwrite。在同一个文件中,同一个源的第一个单元胜出,后面的重复项计为重复,所以同一个文件导入两次,第二次不会写入任何内容。

警告

--overwrite 会替换翻译记忆库中已有的译文,之后的运行会复用这些替换。先用 --dry-run 运行,查看 overwritten 的数量。

导入的单元按项目当前配置的指纹存储,所以只有提供商、模型、语气、verbatra 会发送的术语表条目和 localeMap 都保持不变,翻译记忆库才会复用它们。更改这些内容后,请重新导入文件。由更新版本的 verbatra 写成的翻译记忆库文件保持不动;仍会报告数量,与试运行一样。

导入的单元与模糊复用

被接受的单元的源文本会加入索引,模糊复用(见翻译缓存)用它给已更改的字符串打分,所以与你某个字符串不同的导入源,可以被用于该字符串。这样的复用仍要对照你的真实条目通过完整性门禁,并带有 FUZZY_CACHE_REUSE 审校标记。导入的源与你的某个字符串相同、但哈希不同时(你的条目带有 TMX 无法携带的描述或含义),绝不会被复用。复数形式按其文本匹配:导入从你的源文件中获取复数标志,所以 cart.items_one 和 cart.items_other 会像其他键一样从翻译记忆库填充。要只允许精确匹配,在配置中省略 fuzzyCache。

导出会写入什么

每个不同的源字符串一个 tu,带有源句段,以及每个导出的语言环境一个目标句段,位于 TMX 1.4b 头部之下(srclang、creationtool、creationtoolversion、segtype、o-tmf)。只写入当前配置指纹下的条目;按更早的提供商、模型、语气或术语表配置存储的条目会被排除,并计为 otherConfiguration,在摘要中单独占一行。 语言标签以 BCP 47 形式写出(en_US 变为 en-US),XML 1.0 无法表示的字符会被移除并计数,空的翻译记忆库会生成有效的空文件。没有存储源文本的条目(从更旧的缓存沿用而来)会被排除并计数。摘要在总数中统计 tu 元素,并按语言环境统计目标句段,所以一个字符串被翻译成多个语言环境时,各语言环境的数量之和会大于总数。

每个目标句段都带有来自 verbatra.provenance.json 的 <prop type="x-origin">(machine、human、import 或 unknown),machine 句段还带有 <prop type="x-review">(approved、unreviewed 或 rejected)。无法读取来源记录文件或锁文件时,不写入任何属性,结果会显示 provenanceMarkers: "unavailable"。见机器翻译证据。

文件只写入项目根目录之内。指向的不是文件、跳出项目根目录,或指向项目所依赖的文件(语言文件、锁文件、来源记录文件或缓存文件、配置文件、术语表文件)的路径,verbatra 会在读取翻译记忆库之前以 TMX_OUTPUT_CONFLICT 拒绝,解析符号链接之后也一样。磁盘上写入失败会以 TMX_UNWRITABLE 停止,并写明文件和文件系统错误码。

JSON 输出

Schema:tmx-envelope.json 校验整个信封(envelope);其他 schema 见 Schema。

使用 --json 时,信封带有导入或导出的结果:

// tmx import
{ dryRun: boolean; file: string; units: number; locales: ImportTmxLocaleResult[];
  unmatchedLanguages: TmxLanguageReport[]; ambiguousLanguages: TmxLanguageReport[];
  memoryWritable: boolean; /* plus the skipped, unmatched and conflicting unit counts */ }

// tmx export
{ path: string; units: number; locales: { locale: string; units: number }[];
  withoutSource: number; otherConfiguration?: number; illegalCharactersRemoved: number;
  provenanceMarkers: "written" | "unavailable" }

每个导入语言环境会报告 added、unchanged、overwritten、kept、duplicates、conflicting 和按原因分类的 rejected 计数,以及 refusals 列表。

终端反馈

两个方向都会在 stderr 上显示一行进度。随后 tmx import 建议运行 verbatra translate,试运行之后则建议真实导入;建议的命令会沿用你传入的文件参数、--overwrite、--locales、--cwd 和 --config。tmx export 不给出任何建议:

输出
verbatra: importing legacy.tmx into the memory... done (0.2s)
next: verbatra translate (reuses the imported memory before calling a provider)

--quiet 会隐藏这些行。见终端输出。

退出码

退出码含义
0文件已读取或写入;被跳过或被拒绝的单元会被报告,不算失败
2无法运行:配置错误、TMX 文件缺失或无法读取(SOURCE_UNREADABLE)、文件过大或无法解析、源语言文件无法解析(SOURCE_INVALID)、导出路径被拒绝(TMX_OUTPUT_CONFLICT)、写入失败(TMX_UNWRITABLE、MEMORY_UNWRITABLE),或用法错误

无效文件的错误信息会写明失败位置的行、列和单元;实体声明和内部 DTD 子集会被直接拒绝,外部 doctype 会被丢弃,从不抓取。见退出码约定。

相关内容

在 GitHub 上编辑

本页内容