常规XML文档的翻译与本地化

在进行翻译的过程中，我们会遇到各种各样的文档格式。有些文档对我们来说比较简单，比如.docx、.ppt、.xlsx这些Office的文档，但是有些就比较复杂了，尤其是.xml、.po、.dita、.md、.html、.php、srt、psd等等之类

本文将介绍翻译与本地化的各种文档格式

为什么先讲XML格式？

因为大家都是搞翻译的嘛，几乎每天都在和xml格式的文档打交道，只不过您可能不知道它是xml文档而已。比如（接下来您可能要惊叹了），我们用的word的.docx文档，其实就是基于Office Open XML标准的压缩文件格式，本质上就是一个xml文档。

现在，我们对这个文档做如下操作：

所以我们就来看看什么是xml文档

一、什么是XML？

1.1 语言

语言，这里指的是计算机的语言。就像人之间交流用的是人类语言，什么中文、日语、英语等等不同的语言，当然也有手语、肢体语言等等，有了语言人与人之间才能交流

可是，计算机理解不了人类语言。

1.2 标记语言

我们再回到标记语言这个话题，标记语言=标记计算机语言。那，什么是标记计算机语言呢？

您可以理解为，给计算机文本用信息符号做个标记，告诉计算机“哦，这个符号代表啥文本信息，那个标记代表文本的啥结构”。（其实标记就是标签，tag）

在标记语言中，一定要说明：

• 标记的规则是什么，或者标签叫什么名字？
• 要标记的文本内容，也就是给什么做标记？
• 标记的结构是什么，也就是各个标签之间的关系是什么

您可能会有这样一个疑问：“那，我想怎么写就怎么写吗？”

比如，我在文本前输入井号加一个空格，告诉计算机“只要是见到井号+空格，就表示标题。

——这样可以吗？

是的，在标记语言中，您想标记什么就标记什么，您想怎么定义结构就怎么定义结构，您想怎么写就怎么写，只要您和您的计算机商量好了就行。

但是这会有一个问题，就是：但凡换一台计算机，都不知道您在说什么。

那咋办？

为了解决“让大家都明白”的问题，在1986年国际标准化组织出版发布了一个信息管理方面的国际标准（ISO 8879:1986信息处理），也就是标准通用标记语言。

1.3 标准通用标记语言

标准通用标记语言，Standard Generalized Markup language，中文简称“通标语言”，英文简称SGML，就是计算机的文本结构和描述内容的国际标准语言。字面意思其实就可以理解：标记语言是标准通用的，只要您按照这个标准，甭管是哪台计算机，都遵循一个规范，这样就“听”得懂您说的啥，也就能顺利全球沟通啦~

既然是国际标准规范，那遵循什么规范呢？

一份“通用标言”文档可能有三部分组成：

• “通用标言”声明：定义字符集分隔符集和关键字（以下在本文里头简称“声明”）。
• 文档类型序言：定义一般实体和元素类型包含一个“!文档类型（外语全称加缩写：!DOCTYPE）声明”与各种“标记声明”，它们一起组成了一个文档类型定义（外语首字母缩略词：DTD）
• 实例：包含一个顶级元素和实例的内容

不同的文档有不同的文档样式，比如我们的HTML文档有HTML文档的国标样式，您要是写HTML文档，遵循这个标准就行。

比如：在HTML中我们用<p>这是一句话</p>表示文本这是一句话是段落，这样就给文本赋予了一个段落结构。

对于这样一个文本而言，好处是什么呢？——您可以很清楚地看到这文本的布局。如果把源代码关掉，就可以看到图片、排版对不对？

可是问题呢？——HTML的复用率很低。您的文本格式、图片大小、宽度、固定值啥啥都固定了，当然很难复用了。

那怎么办？——变成可扩展标记语言，也就是XML嘛~

1.4 可扩展标记语言（XML）

XML的全称是Extensible Markup Language就是XML的全称，我猜是因为发音就是/ex/=X，所以才缩写为XML，而不是EML。我也查了一些资料，没找到什么答案，您们要是感兴趣可以自己研究研究~分享给我呀~

如果我们了解了标记语言，那“可扩展”应该比较容易理解，就是：您可以由一个xml扩展到新的语言，比如：WAP和WML语言。

您只需要记住xml的几个特征：

• 既然XML也是一种语言，所以XML也是一种基于文本的结构化格式；
• 既然XML也是标记语言，那么您当然可以自定义标签名，或者我们叫“元素名”。比如，我们可以自定义标签名为<seg>，<source>等。既然标签名是自定义的，那么在用CAT工具翻译的时候就需要明确标签的名称；当然，有的名称来源于XML文件本身，但是有些来源于用于创建XML文件的定义文件，如 DTD（document type definition文档类型定义）文件， XSD（XML SCHEMA Definition）文件（定义XML文档的合法构建模块）。
• XML是用来传输和存储数据的，不是用来显示数据的，所以XML文档不包含格式或者布局信息，没有HTML布局明确；既然XML不包含格式或者布局信息，那译员如果要预览布局怎么办呢？就需要借助XSLT（transformation style sheet） 文档，XML文档转换为XHTML文档或其他XML。

既然XML也是SGML，那么XML当然要遵循SGML的规范。

• 第一行有XML声明，定义了xml当前的版本（1.0）和编码（utf-8）；<?xml version="1.0"? encoding="utf-8">
• 第二行描述文档的根元素，就像在告诉您，“hey，我是个例子而已嘛~”当然最后一行是根元素的关闭标签。<sample>
• 接下来有描述根元素的子元素<document><topic> ...</topic></documen>
• 当然，也有描述<topic>的子元素

这样，就构成了一个完整的xml文档啦~

二、XML的元素、标签、属性和实体

这一部分我们想将XML的元素、标签、属性、条件和实体讲明白，让我们更加清楚地认识一个xml文档，知道哪些该翻译，哪些不该翻译。

2.1 声明语句

XML声明是XML文档的第一句，描述了版本号和编码，其格式如下：

<?xml version="1.0" encoding="utf-8"?>

您可以理解为这是xml的自我介绍：

“Hi，我是一个xml文档的1.0版本，是utf-8编码格式。”

2.2 元素、标签、属性和实体

2.2.1 元素

我们把代码片段中，从最左侧的尖括号到最右侧的尖括号之间的所有内容称为“元素”，英文名是Element，是XML文档中很重要的组成部分。

XML元素包括标签、文本、属性、注释等等，比如：<text>Introduction</text>，这就是一个元素。

一个xml文档可能包含很多的元素。

我们先来看看标签。

2.2.2 标签

关于标签，您需要了解：

• 标签是什么？标签，或者标记，就是您看到的尖括号括起来的部分，一个标签=一个左尖括号+元素名+一个右尖括号。比如：<text>和</text>，都是标签，标签名是text。标签名一般不翻译。
• 标签有开始标签和结束标签之分，在这个例子中，<text>是开始标签，</text>是结束标签。 具有同一个标签名的“开始标签+结束标签”是一对标签对，比如：<text></text>是一对。

标签对之间的文本，我们称为元素内容。

2.2.3 文本

关于文本，您需要了解：

• 但是有时元素内容也可以不翻译，比如图中的“5-2b”就不需要翻译。

• 有时候因为元素内容为空，比如：<text></text>，有时把这样的标签也可写成<text/>（斜杠在元素名称后面），这样的元素我们称为空标签，或者独立标记。您可能会问，空标签还需要翻译吗？——也要分析，我们往下看。

但是文本并不是我们想写啥就写啥，有时候得换个写法才能呈现我们想写的内容，也就是得改为实体。

2.2.4 实体

关于实体，我们只需要了解：

XML规范规定，如果下列字符出现在要显示的文本中(在我们的例子中是要翻译的)，它们应该写成实体。

如果您想要	您需要改为：
< (小于号)	•&lt;
> (大于号)	&gt;
&(和)	•&amp;
' (英文单引号)	•&apos;
'' (英文双引号)	•&quot;

大于号不是>，而是>，单引号不是'，而是'。这就是实体。

这告诉我们什么呢？——如果您在xml中遇到了实体，是不是要考虑在翻译的过程中把这些实体设置为标签呢？

如何设置标签，参见：正则篇（六）：用正则将文本标记为标签

2.2.5 属性

关于属性，您需要了解：

• 属性是什么呢？有时我们会给标签加一些详细的描述，这些描述就是属性，您可以理解为标签的注释。
• 如果是成对标签，属性一般放在开始标签的标签名后面；当然如果是空标签的话，属性会跟在标签名后面。
• 属性由属性名+=（等号）+英文单引号/双引号+属性值组成。比如这样一个标签：<button value="Cancel" />，这个标签的意思是：
  • 这是一个空标签，标签名是button
  • 有一个value的属性，属性值是cancel。
• 在遇到有属性值的标签时，要分析属性值是否要翻译。比如，我们看一个属性值需要翻译的标签：
  • 标签名是text
  • 有一个info属性
  • info属性值是overview，需要翻译。
  以及一个属性值不需要翻译的标签：
  • 标签名是image
  • 有一个src属性
  • src属性值是sample.jpg，不需要翻译，保留原文
  
• 有时候属性可能代表某些条件，可以应用于标签或行内标签之间的文本。比如下图中，
  • 第一行，只有遇到translate标签是yes的时候，文本才需要翻译；
  • 第二行，只有遇到translate的属性值是tes的时候，另一个value的属性值才需要翻译。
  

三、如何翻译单语XML文档？

在翻译一个文档时，最主要的选择和设置准确的过滤器，XML文档也不例外。

memoQ中有默认的XML过滤器，基本可以实现您对XML文档的需求。

不论是什么XML文档，都可以直接导入进memoQ，如果导入后发现导入的内容不对，那么我们再说~

那我们看看翻译XML文档有哪些需求，以及memoQ的过滤器如何解决。

3.1 memoQ的XML过滤器

正如前两篇讲的，翻译单语言的XML文档一般有以下几个需求：

以上提到的具体细节，我拿几个案例文档来演示。

我已经在memoQ中创建了一个项目，语种是英文翻译至简体中文。

以下所有的XML文档都在这一个项目中导入。

3.2 常规的XML

操作视频

3.3 有行内标签和非译标签的XML文档

操作视频

3.4 有属性值的XML文档

操作视频

3.5 属性值为条件的XML文档

操作视频

四、游戏本地化中的XML文档

通过上文，我们知道了XML文档的构成。

如果您的XML文档是单语言的，我也讲了如何翻译单语XML文档。

但是除此之外，我们也会遇到多语言的XML文档，尤其是游戏本地化和应用程序本地化中。

所以，今天我来介绍一下，多语言的XML文档长什么样子，以及如何翻译。

4.1 认识多语言的XML

我们来分析一下这个XML：

• 声明语句：<?xml version="1.0" encoding="utf-8"?>
• 有根元素：<Config>
• 有多个子元素，比如<Menu>、<Item>、<lang_DE>、<lang_EN>、<lang_FR>、<lang_JP>、<lang_ZH>等。
• 在这些元素中用不同的元素名表示需要对应的语种，如：
  • <lang_DE>代表德语；
  • <lang_EN>代表英语；
  • <lang_FR>代表法语；
  • <lang_JP>代表日语；
  • <lang_ZH>代表简体中文；
• <Item>元素还包含两个属性，其中：
  • segorigion是注释；
  • segID是上下文。

认识了这个XML文档，应该怎么翻译呢？

4.2 翻译多语言的XML文档

我们看一下具体操作：

Step 1：创建多语言的项目

需要注意的是：多语言项目要记得为每个语种设置记忆库

术语库可以是一个多语言的术语库。

Step 3：（重点）设置XPath

内容规则说明如下：

• 内容XPath：指的是哪个元素代表哪个语种。元素名前面用//隔开。在这里输入：
  • //lang_DE，选择memoQ语言为德语；
  • //lang_EN，选择memoQ语言为英语；
  • //lang_FR，选择memoQ语言为法语；
  • //lang_JP，选择memoQ语言为日语；
  • //lang_ZH，选择memoQ语言为简体中文；
• 内容的上下文（ID）XPath：指的是元素中是否有上下文属性。元素前同样是用//隔开，元素名与属性名之间用/@隔开。在这里，segID是上下文，所以输入：
  • //Item/@segID
• 内容XPath的长度限制：指的是元素中是否有长度限制属性。在这里没有设置。
• 内容的注释 XPath：指的是元素中是否有注释属性。在这里输入：
  • //Item/@segorigin

操作视频

五、如何在翻译的过程中基于样式表进行预览？

5.1 使用 XSLT 显示 XML

如果您不想了解 xslt，只想了解如何翻译的话，可以直接跳至下一节。

我们知道，CSS 是 HTML 的样式表，通过 CSS 的设置，可以告诉浏览器：“我的网页布局是这样那样显示的~”。包括颜色、字体、文本大小、元素之间的间距、元素的位置和布局、要使用的背景图像或背景颜色、不同设备的不同显示和屏幕大小等等。

而 XSLT (eXtensible Stylesheet Language Transformations) 则是 XML 的样式表，它远比 CSS 更加完善。

通过 XSLT 的设置，可以告诉浏览器或者服务器：“我的 XML 文件是这样那样显示的。”

比如，这里有一个样式表：

5.2 在翻译的过程中使用 XSLT 样式表预览 XML 文件

memoQ 支持翻译过程中只需要配置 XSLT 样式表，即可预览 XML 文件。

操作视频