Table Of Contents
show
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。
是不是觉得不可思议，接下来您可以拿一个docx的文档跟我一起试试：
我们来看一个案例，这里有一个docx的文档，长这个样子：（我用Office Word打开的）
现在，我们对这个文档做如下操作：
- 将文档的后缀名由
docx改为zip格式，变成一个压缩包； - 把这个压缩包解压缩，打开解压后的文件夹，然后打开文件夹内的word的文件；
- 然后我们打开这个
document.xml的文档，这就是原来的docx文档底层xml文档。
在这里我用vscode打开的，您也可以用任何一款文本编辑器打开，比如电脑自带的记事本，或者常用的Notepad++，sublime之类的都可以
如果您电脑没有，建议装一个~（选一个安装就行，不用都装~）
除此之外，我们现在用CAT工具，翻译记忆库是.tmx格式，其实.tmx格式也是xml文档。
包括大家熟悉的xliff格式，也是xml文档
所以我们就来看看什么是xml文档
一、什么是XML？
可扩展标记语言，标准通用标记语言的子集，简称XML，是一种用于标记电子文件使其具有结构性的标记语言。——摘自百度百科。
其实这个定义说的很清楚，但是我想，如果您是新人，可能有些比较难懂的词：语言、标记语言、标准通用标记语言、可扩展标记语言。
所以我们看看先来看这几个“名词”。
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。
所以我们要用计算机的语言，告诉计算机，“我在讲什么。”像小时候计算机课上学的0和1这种二进制数，就是一种机器语言（您可以理解为甲骨文），除此之外，还有HTML、GML、XML、C++、VC、VB、Delphi、Java、PHP、Python等等（您可以对标现在的中文、英文、日语等等），这些都是计算机的语言。
通过计算机语言，才能实现人与计算机进行交流和对话。
1.2 标记语言
标记语言，Markup Language，是一种将文本以及文本相关的其他信息结合起来，展现出关于文档结构和数据处理细节的电脑文字编码。（摘自百度百科）
如果看不懂的话，我拿人类语言的标记举例子：
- 老师用红叉标记学生做错了
- 我们用荧光笔标记重点
- 甚至用标点符号标记句子的含义，比如句号标记句子结束，问号标记疑问句，等等。
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
举个例子，我写了这样一个标记：
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。
如果您还是看不懂，您可以随意打开您的一个页面，查看这个页面的源代码。
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。
我们一起来看一个xml文档。
- 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。
我们拿上文提到的这个xml，给大家举例。
这是怎么组成的呢？
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：
- 元素内容一般是需要翻译的文本。比如，在这个例子中：Introduction才是要翻译的文本。
- 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。
- 当然，有时候文本之间也有行内标签对的存在，比如图中的
<emphasis></emphasis>标签对。
- 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) | •< |
| > (大于号) | > |
| &(和) | •& |
| ‘ (英文单引号) | •' |
| ” (英文双引号) | •" |
如果您看不懂，我举个例子。 如果您想要这个文本：
这个文本的XML应该如右图所示：
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：
（1）标签名和属性名不能翻译。
——memoQ的XML过滤器能够帮我们自动识别标签名和属性名。
这样我只需要翻译标签之间的文本，可以忽略标签名，就保证了标签名和属性名称不会被译员随意翻译和修改。
（2）标签文本和属性值要译前分析，比如是否可译？是否是条件？是否是注释？等。
——您可以在XML过滤器中设置可译文本和条件，定义哪些标签对之间的文本要翻译？或者不翻译？哪些属性值要翻译或者不翻译？哪些属性值是注释？哪些属性值是条件？等等。
这样您在翻译的时候，非译的内容就不会影响到您，而且可以实时看到各种条件和属性了
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
常规的XML一般只需要翻译标签对之间的文本。
您可以直接导入，导入后，标签名会被自动过滤，您只需要翻译要翻译的文本就好了，不需要考虑XML标签的问题。
操作视频
3.3 有行内标签和非译标签的XML文档
如果标签对之间还有行内标签，
您可以把标签设置为行内标签。
如果标签对之间的文本不需要翻译，
您也可以设置为非译。
操作视频
3.4 有属性值的XML文档
如果XML文档中遇到有属性值需要翻译，
您也可以把需要翻译的属性值设置为要翻译，或者非译。
操作视频
3.5 属性值为条件的XML文档
有些属性值当中是包含条件的。比如下图中，如果您希望：只有translate属性值是yes的时候，文本/另一个属性值才翻译。
就可以设置翻译/非译条件。
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
先来看一个多语言的XML文档示例，其实和单语言的差不多，但是又有所不同。
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
翻译首先要设置对过滤器，翻译多语言的XML文档也不例外。
多语言的XML文档需要用多语言XML过滤器，通过设置XPATH实现。
我们看一下具体操作：
Step 1：创建多语言的项目
在这个项目中，我的源语言是英文，目标语言是德语、法语、日语、中文（中国大陆）。
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 2：选择性导入 > 选择xml文档 > 更改过滤器和配置 > 选择多语言XML过滤器 > 点击编辑导入规则。
跳转至XML导入规则窗口。
您可以在左侧点击各个元素，预览XML全局。
Step 3：（重点）设置XPath
多语言的XML文档是通过XPath来实现的。所以我们要定义每个内容，设置完成一个内容就可以点击“保存至规则集合”。
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
点击完“保存至规则集合”，会在左侧预览设置好的内容。
说明如下：
- 蓝色底色为已导入文本；
- 橘黄色底色为上下文（ID）；
- 绿色底色为注释；
- 褐色（好像是褐色吧）底色为长度。
全部内容设置完成后，预览如图：
Step 4： 点击“确定”，预览设置后的导入规则
Step 5： 点击“确定” > 确定，完成多语言XML文档的导入
Step 6：打开文档，预览并翻译
在这里，我用的小牛机器翻译进行预翻译。
Step 7： 翻译后导出
我们发现，导出后的译文，每个语种都应该在自己应该在的位置：
<lang_DE>为德语；<lang_EN>为英语；<lang_FR>为法语；<lang_JP>为日语；<lang_ZH>为简体中文；
操作视频
五、如何在翻译的过程中基于样式表进行预览？
最近几天整理内容发现一个客户需求：能不能在翻译的时候通过配置样式表，来预览 XML 的显示效果。
所以，今天和大家分享：如何在翻译的过程中基于样式表进行 XML 文档的显示预览。
.png)
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：
我们不讲样式表如何写，我也不是程序员，如果您感兴趣，可以去搜索 XSLT 教程。
这是需要翻译的 XML 文档，在这个 XML 文档中添加了 XSL 样式表引用：
5.2 在翻译的过程中使用 XSLT 样式表预览 XML 文件
如果没设置预览文档的话，导入后的预览仍然是按照 XML 文档格式来的：
memoQ 支持翻译过程中只需要配置 XSLT 样式表，即可预览 XML 文件。
您只需要：在导入文档时，使用”选择性导入” -> “更改过滤器和配置” -> 在默认的”XML 过滤器” 下，点击”常规” -> 并”指定 XSLT 文件“。
导入后即可在预览区显示 XML 啦！
操作视频
© Copyright 2023. 大辞科技 沪ICP备17050550号 
沪公网安备 31011402006110号
