Buktatók¶

Ez a webhely harmincöt nyelvre van lefordítva, és mindegyik kiadása annak a ciklusnak a lefuttatásával készült, amelyet ez a dokumentáció tanít. Iparági mércével ez kicsi korpusz, mégis elég volt ahhoz, hogy a legtöbb csapdába belefussunk, amelyektől az i18n nehezebb, mint amilyennek látszik.

Az alábbi szakaszok mindegyike valami olyasmi, ami itt tényleg elromlott: hogy nézett ki akkoriban, és hol húzódik a határ aközött, amit a könyvtár ellenőriz helyetted, és ami a te megítélésed marad.

Egy változó átnevezése újrafordíttat egy mondatot¶

A msgid a katalógus kulcsa, és egy interpolált név benne van. Ha egyetlen konstanst modulszintre emelünk, és a Python stílusa szerint nagybetűssé teszünk — author helyett AUTHOR —, a Copyright © 2026 {author} · MIT License olyan üzenetté válik, amelyet még egyetlen katalógus sem látott. Ennek a sornak minden fordítása visszament volna a fuzzy körbe, minden nyelven, egy olyan átnevezés miatt, amely semmit nem változtatott abból, amit az olvasó lát.

A könyvtár nem állít meg: mindkét írásmód érvényes helyőrzőnév. Amit viszont tesz, az az, hogy a nevet érdemessé teszi a védelemre — egy interpolációnak egyszerű névnek kell lennie, így a katalóguskulcsban álló dolog olyan szó, amelyet a fordító el tud olvasni, nem pedig kifejezés.

A tükörhelyzet konstrukciójánál fogva biztonságos. A konverziók és a formátumspecifikációk nem részei a msgidnek, így ha a {amount:,.2f} helyett {amount:,.0f} lesz, az egyetlen kulcsot sem változtat meg, és sehol nem érvénytelenít fordítást.

Az nplurals=2 nem jelent két különböző szöveget¶

A török, a magyar, a perzsa és a bengáli mind két többesszám-alakot deklarál, és mind a négyben egy megszámlált üzenet két alakja jogosan ugyanaz a szöveg — a főnév számnév után egyes számban marad, így a {n} sayfa helyes egy oldalra és tízre is. Az az átnéző, aki „kijavítja” a duplikációt, elrontja a fordítást.

Az ellenkező hiba ugyanilyen könnyen jön. A lett harmadik alak kizárólag a nullára való; a szlovén második egy kettes szám, pontosan kettőre; a román utolsó alak megköveteli a de szót, amelynek az első kettőben nem szabad szerepelnie. Ha ezeket a helyeket egy egyes és egy többes számú alakkal töltöd ki, olyan katalógust kapsz, amely csak azoknál a darabszámoknál hibás, amelyeket senki sem tesztel.

Ami rosszabb: a helyek sorrendje nem jelentéshordozó. A walesi úgy indexeli az öt alakját, hogy a msgstr[0] az általános eset, a msgstr[1] pedig az egyes szám. Ha a kézenfekvő sorrendben töltöd ki őket, az egyes számú alak épp oda kerül, ahol minden meg nem számlált üzenet megtalálja.

A könyvtár ebből semmit nem vállal magára, és éppen ez a lényeg: a célnyelv többesszám-szabálya a saját katalógusfejlécében lakik, az unió/metszet szabály pedig megengedi, hogy egy fordításnak több vagy kevesebb alakja legyen, mint a forrásnak. Amit ellenőriz, az az egyetlen dolog, amit a nyelv ismerete nélkül ellenőrizni tud — hogy minden alak megtartja azokat a helyőrzőket, amelyekre szüksége van.

Két alak okkal lehet azonos¶

Az írnek öt többesszám-alakja van, és ennek a webhelynek a build-jelentésében több közülük ugyanúgy van írva. Ez nem másolás-beillesztési baklövés: a leathanach l-lel kezdődik, és az ír számnevek kiváltotta szókezdő mutációk egyikét sem írjuk ki l előtt. Az alakok ettől még valódi munkát végeznek — a szótő a leathanach és a leathanaigh között váltakozik, a tíz feletti darabszámok pedig visszatérnek az egyes számhoz —, de egyetlen „oldal” jelentésű főnéven sem látszana a különbség.

Minden olyan ellenőrzés, amely gyanúsnak jelöli az azonos alakokat, a helyes írt is megjelöli. Erre egyedül a nyelvet ismerő ember lehet az átnéző.

Egy üzenet csak egyetlen darabszámmal tud egyeztetni¶

Ennek a webhelynek a build-jelentése megmondja, hány oldal renderelődött, és mennyi ideig tartott. Ha „Rendered {n} pages in {seconds} seconds” alakban írjuk meg, ártalmatlannak látszik, és nem lefordítható: a gettext egyetlen darabszámból választ egyetlen alakot, ez a darabszám pedig az n. A seconds szónak olyan számmal kellene egyeztetnie, amelyet a többesszám-gépezet soha nem lát.

A javítás az, hogy a második mennyiség szó helyett mértékegységjel legyen — a mértékegységjelek pedig maguk is honosítottak: ennek a webhelynek a katalógusaiban s, с, ث, שנ׳ és mp szerepel, a francia, a spanyol és a svéd tipográfia pedig szóközt kíván a jel elé, ahol az angol nem. Ebből semmi nem a könyvtár dolga — de az igen, hogy észreveszed: egy üzenetnek két egyeztetésre volna szüksége, és erre az egyetlen eszköz az, hogy másképp írod meg az üzenetet.

Egy angol mondat szerkesztése idegen nyelvtant szerkeszt¶

A kezdőlapon korábban „mind a tíz nyelvi kiadás” állt. A szám eltávolítása — egyetlen szavas angol szerkesztés, azért, mert a szám folyton elavult — a többes számú alanyt egyes számúvá tette. A spanyolban, az olaszban, a portugálban, az oroszban, az ukránban, a görögben, a hollandban és a héberben mind újra kellett egyeztetni az igét; többükben a melléknévi igenevet is módosítani kellett.

Egy forrásszerkesztés, amely angolul triviálisnak olvasódik, a lánc további részén nem triviális. A fuzzyként való megjelölés — ezt teszi a pybabel update — az a mechanizmus, amely minden fordítónak esélyt ad arra, hogy észrevegye.

A láthatatlan különbségek minden másolás-beillesztést túlélnek¶

A kézikönyv idéz egy diagnosztikát, amely (nаme) alakot tartalmaz — ez szándékos escape, mert a benne megnevezett karakter egy cirill а, amelyet egyetlen olvasó sem tud megkülönböztetni a latin betűtől. Ennek a webhelynek a fordítói öt külön alkalommal, öt különböző nyelven alakították át ezt az escape-et a tényleges karakterré, és minden alkalommal olyan oldal született, amely helyesnek látszott, és hibás volt.

Ezt a könyvtár elkapja, és épp ez az oka annak, hogy a diagnosztikák olyan alakúak, amilyenek: az olyan helyőrzőt, amelynek a betűi írásrendszereket kevernek, kétszer jelenti — egyszer olvashatóan, egyszer escape-elve —, mert az escape-elt alak az egyetlen írásmód, amely megkülönbözteti őket. A kapcsos zárójelek közé került nem törhető szóköz ugyanezért íródik ki kódponttal. A katalógus-ellenőrző visszautasítja az üzenetet, mielőtt kiszállítható lenne.

A nem üres nem jelent lefordítottat¶

Az a katalógus, amelynek a vázát úgy készítik, hogy a msgideket a msgstrekbe másolják, minden naiv ellenőrzésen átmegy: semmi nem üres, semmi nem fuzzy, az üzenethalmaz pontosan egyezik. Ennek a webhelynek az egyik kiadása több órán át így volt kiszállítva. Ahogy egy másik kiadás nyolc oldala is, amelyek az angol forrás bájtra azonos másolatai voltak — és ez átmegy azon az ellenőrzésen, amely a kettő kódblokkjait hasonlítja össze, mert ugyanarról a fájlról van szó.

Egyiket sem látja egy fordítókönyvtár. Mindkettőt olcsó tesztelni, de nem úgy, hogy minden bejegyzéstől eltérést követelsz meg a forrásához képest: az OK, a terméknevek, a személynevek, a betűszók és a kódazonosítók mind önmagukra fordulnak, és az az ellenőrzés, amely ezt megtiltja, örökké téves riasztásokat termel.

Mérd inkább az arányt, egy egész katalógusra vagy egy egész oldalra, és a kiugró eseteket küldd emberhez. Ennek a webhelynek a saját tesztje pontosan ezt teszi — az egyes kiadások folyószöveges sorait hasonlítja össze az angol forrással, és 25% egyezés fölött elbukik. A hamisított kiadás 87%-on állt; minden valódi fordítás 4% és 8% között van, ami azoknak a soroknak a kis maradéka, amelyek jogosan esnek egybe, például az URL-ek és az idézett programkimenet. A két populáció elég messze van egymástól ahhoz, hogy a küszöbnek ne kelljen pontosnak lennie.

Nem a katalógus az egyetlen lefordított dolog¶

Két itteni hibának semmi köze nem volt a gettexthez.

Egy címsor lefordítása megváltoztatja a belőle generált horgonyt, így minden oldalak közötti hivatkozás, amely arra a szakaszra mutat, eltörik — csendben, csak abban az egy nyelvben. Ez a webhely minden címsoron rögzíti az angol horgonyt, és egy teszt az angol oldalból vezeti le az elvárt listát.

A webhelygenerátor pedig hatvannyolc nyelvhez szállít felületi fordítást, és ebben nincs benne a szuahéli és az ír. Ilyen nélkül a build nem esik vissza angolra; a sablon include-ja elhasal, és a kiadás egyáltalán nem építhető meg. Ennek a tárolónak két saját fájlja azért létezik, hogy betöltse ezt a hézagot.

Az eszközeidben is vannak hibák¶

Az a CI-lépés, amelyet ez a dokumentáció az elavult katalógusok elkapására ajánl, a pybabel update --check, egyetlen olyan projektben sem tudja elvégezni ezt a munkát, amely pgettextet vagy npgettextet használ. A Babel 2.18.0 verzióján minden msgctxt-tel rendelkező katalógust elavultnak jelent, minden futáskor. Az összehasonlítás a Catalog.is_identical metóduson át megy, amely minden üzenetet azon a kulcson keres ki, amely alatt tárolva van — egy kontextusos üzenetnél pedig ez a kulcs az (id, context) pár, amelyet a Catalog.get nem fogad el. A keresés semmit sem ad vissza, és a katalógusok soha nem bizonyulnak egyenlőnek:

>>> from babel.messages.catalog import Catalog
>>> c = Catalog(locale="ja")
>>> c.add("Guide", "ガイド", context="navigation")
<Message 'Guide' (flags: [])>
>>> c.is_identical(c)
False

Itt derült ki, azzal, hogy megpróbáltuk használni; jelentettük az upstreamnek, a helyettesítő ellenőrzés pedig az üzemeltetési oldalon található.

Az általános tanulság a kellemetlen: a mindig piros kapu rosszabb, mint a kapu hiánya, mert a csapat kikapcsolja. Győződj meg róla, hogy a CI-ellenőrzésed valóban át tud menni, mielőtt rábíznád, hogy elbuktasson.

Mire való a könyvtár, egy sorban¶

Ennek az oldalnak a nagyobb része olyan megítélés, amelyet semmilyen eszköz nem vehet át. Amit egy eszköz meg tud tenni, az az, hogy garantálja: egy fordítás nem változtathatja meg annak a mondatnak a szerkezetét, amelyet lefordít — nem ejthet el értéket, nem találhat ki újat, nem formázhatja át, és nem nyúlhat bele az objektumaidba —, és ezt olyan mondatban tudja megmondani, amellyel az kezdhet valamit, akinek javítania kell. Ennyi az egész, amit ez a könyvtár ígér, és a webhely többi része arról szól, hogyan tartja meg.