Insidie¶

Questo sito è tradotto in trentacinque lingue, e ognuna di esse è stata prodotta eseguendo il ciclo che questa documentazione insegna. Per gli standard del settore è un corpus piccolo, ed è bastato comunque a incappare nella maggior parte delle trappole che rendono l'i18n più difficile di quanto sembri.

Ogni sezione qui sotto è qualcosa che è andato davvero storto qui, come si presentava all'epoca e dove passa il confine tra ciò che la libreria controlla per te e ciò che richiede ancora il giudizio umano.

Rinominare una variabile fa ritradurre una frase¶

Il msgid è la chiave del catalogo, e un nome interpolato sta dentro di essa. Spostare una costante a livello di modulo e scriverla in maiuscolo come chiede lo stile di Python — da author ad AUTHOR — ha trasformato Copyright © 2026 {author} · MIT License in un messaggio che nessun catalogo aveva mai visto. Ogni traduzione di quella riga sarebbe ripassata per il ciclo delle voci fuzzy, in ogni lingua, per una rinomina che non cambiava nulla di visibile a un lettore.

La libreria non ti fermerà: entrambe le grafie sono nomi di segnaposto validi. Quello che fa è rendere il nome degno di essere protetto — un'interpolazione deve essere un nome semplice, così ciò che sta nella chiave del catalogo è una parola che un traduttore può leggere, non un'espressione.

Il caso speculare è sicuro per costruzione. Le conversioni e le specifiche di formato non fanno parte del msgid, quindi stringere {amount:,.2f} in {amount:,.0f} non cambia nessuna chiave e non invalida nessuna traduzione da nessuna parte.

nplurals=2 non significa due stringhe diverse¶

Turco, ungherese, persiano e bengalese dichiarano tutti due forme plurali, e in tutte e quattro le due forme di un messaggio con conteggio sono legittimamente la stessa stringa — il sostantivo resta al singolare dopo un numerale, quindi {n} sayfa va bene per una pagina come per dieci. Un revisore che "corregge" la duplicazione rompe la traduzione.

L'errore opposto è altrettanto facile. La terza forma del lettone esiste per il solo zero; la seconda dello sloveno è un duale, per esattamente due; l'ultima forma del rumeno richiede la parola de che le prime due non devono avere. Riempire quelle caselle con un singolare e un plurale produce un catalogo sbagliato solo per i conteggi che nessuno prova.

Peggio, l'ordine delle caselle non è semantico. Il gallese indicizza le sue cinque forme in modo che msgstr[0] sia il caso generale e msgstr[1] il singolare. Riempirle nella sequenza ovvia mette il singolare proprio dove lo troverà ogni messaggio senza conteggio.

La libreria non si assume nulla di tutto questo, ed è proprio il punto: la regola dei plurali della lingua di destinazione vive nell'intestazione del suo catalogo, e la regola di unione/intersezione permette a una traduzione di avere più forme, o meno, della sorgente. Ciò che controlla è l'unica cosa che può controllare senza conoscere la lingua — che ogni forma mantenga i segnaposto che le servono.

Due forme possono essere identiche per un motivo¶

L'irlandese ha cinque forme plurali, e nel report di build di questo sito diverse di esse si scrivono allo stesso modo. Non è una svista da copia-incolla: leathanach inizia per l, e nessuna delle due mutazioni iniziali che i numerali irlandesi innescano si scrive su l. Le forme fanno comunque un lavoro reale — il tema alterna tra leathanach e leathanaigh, e i conteggi sopra il dieci tornano al singolare — ma nessun sostantivo che significhi "pagina" mostrerebbe il contrasto.

Qualunque controllo che segnali come sospette le forme duplicate segnalerà un irlandese corretto. Una persona che conosce la lingua è l'unico revisore possibile per questo.

Un messaggio può concordare con un solo conteggio¶

Il report di build di questo sito dice quante pagine sono state renderizzate e quanto tempo ci è voluto. Scriverlo come "Rendered {n} pages in {seconds} seconds" sembra innocuo e non è traducibile: gettext seleziona una forma a partire da un conteggio, e quel conteggio è n. La parola seconds dovrebbe concordare con un numero che il meccanismo dei plurali non vede mai.

La soluzione è rendere la seconda quantità un simbolo di unità invece di una parola, e i simboli di unità sono a loro volta localizzati: i cataloghi di questo sito portano s, с, ث, שנ׳ e mp, e la tipografia francese, spagnola e svedese vuole uno spazio prima del simbolo dove l'inglese non lo mette. Niente di tutto ciò riguarda la libreria — ma accorgersi che un messaggio ha bisogno di due concordanze sì, e l'unico strumento per farlo è scrivere il messaggio in modo diverso.

Modificare una frase inglese modifica la grammatica altrui¶

La home page diceva "all ten language editions". Togliere il numero — una modifica inglese di una sola parola, fatta perché il numero continuava a diventare obsoleto — ha reso singolare un soggetto plurale. Spagnolo, italiano, portoghese, russo, ucraino, greco, olandese ed ebraico hanno tutti dovuto riaccordare il verbo; in diversi casi è servito cambiare anche il participio.

Una modifica alla sorgente che in inglese sembra banale non è banale a valle. Marcarla come fuzzy, che è quello che fa pybabel update, è il meccanismo che dà a ogni traduttore la possibilità di accorgersene.

Le differenze invisibili sopravvivono a ogni copia-incolla¶

La guida cita un messaggio diagnostico che contiene (nаme) — un escape deliberato, perché il carattere che nomina è una а cirillica che nessun lettore riesce a distinguere da quella latina. I traduttori di questo sito hanno convertito quell'escape nel carattere vero e proprio cinque volte distinte, in cinque lingue diverse, ogni volta producendo una pagina che sembrava corretta ed era sbagliata.

Questa la libreria la intercetta davvero, ed è il motivo per cui i messaggi diagnostici hanno la forma che hanno: un segnaposto le cui lettere mescolano sistemi di scrittura viene segnalato due volte, una volta in forma leggibile e una con escape, perché la forma con escape è l'unica grafia che le distingue. Uno spazio unificatore dentro le graffe viene stampato per punto di codice per lo stesso motivo. Il checker dei cataloghi rifiuta il messaggio prima che possa essere distribuito.

Non vuoto non vuol dire tradotto¶

Un catalogo impalcato copiando i suoi msgid dentro i msgstr supera ogni controllo ingenuo: niente è vuoto, niente è fuzzy, l'insieme dei messaggi corrisponde esattamente. Un'edizione di questo sito è stata pubblicata così per diverse ore. Lo stesso vale per otto pagine di un'altra edizione che erano copie byte per byte della sorgente inglese — cosa che supera un controllo che confronta i blocchi di codice tra le due, perché sono lo stesso file.

Nessuno dei due è qualcosa che una libreria di traduzione possa vedere. Entrambi sono facili da testare, ma non pretendendo che ogni voce differisca dalla sua sorgente: OK, i nomi di prodotto, i nomi di persona, gli acronimi e gli identificatori di codice si traducono tutti in sé stessi, e un controllo che lo vieti produce falsi positivi per sempre.

Misura invece il tasso, su un intero catalogo o un'intera pagina, e manda a una persona i valori anomali. Il test di questo sito fa esattamente questo: confronta le righe di prosa di ogni edizione con la sorgente inglese e fallisce sopra il 25% di righe identiche. L'edizione contraffatta stava all'87%; ogni traduzione autentica sta tra il 4% e l'8%, che è la piccola coda di righe che legittimamente coincidono, come URL e output di programma citato. Le due popolazioni sono abbastanza distanti da non richiedere una soglia precisa.

Il catalogo non è l'unica cosa tradotta¶

Due fallimenti qui non avevano nulla a che fare con gettext.

Tradurre un titolo cambia l'ancora generata da esso, quindi ogni collegamento da un'altra pagina verso quella sezione si rompe — in silenzio, e solo in quella lingua. Questo sito fissa l'ancora inglese su ogni titolo, e un test ricava l'elenco atteso dalla pagina inglese.

E il generatore del sito distribuisce le traduzioni dell'interfaccia per sessantotto lingue, tra cui non ci sono lo swahili e l'irlandese. Senza una di esse la build non ripiega sull'inglese; l'include del template fallisce e l'edizione non si può costruire affatto. Due file di questo stesso repository esistono per colmare quella lacuna.

Anche i tuoi strumenti hanno bug¶

Il passo di CI che questa documentazione consiglia per intercettare i cataloghi obsoleti, pybabel update --check, non può svolgere quel compito per nessun progetto che usi pgettext o npgettext. Su Babel 2.18.0 segnala come non aggiornato ogni catalogo che contenga un msgctxt, a ogni esecuzione. Il confronto passa da Catalog.is_identical, che cerca ogni messaggio con la chiave sotto cui è archiviato — e per un messaggio contestuale quella chiave è la coppia (id, context), che Catalog.get non accetta. La ricerca non restituisce nulla, e i cataloghi non risultano mai uguali:

>>> 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

È stato scoperto qui provando a usarlo, segnalato a monte, e il controllo sostitutivo è sulla pagina della produzione.

La lezione generale è quella scomoda: una barriera sempre rossa è peggio di nessuna barriera, perché una squadra la disattiva. Verifica che il tuo controllo di CI possa davvero passare, prima di fidarti che fallisca.

A che cosa serve la libreria, in una riga¶

La maggior parte di questa pagina è giudizio che nessuno strumento può prendere in carico. Ciò che uno strumento può fare è garantire che una traduzione non possa cambiare la struttura della frase che traduce — non possa perdere un valore, inventarne uno, riformattarne uno o mettere le mani nei tuoi oggetti — e dirlo in una frase su cui la persona che deve rimediare può agire. È tutto ciò che questa libreria promette, e il resto di questo sito è come lo mantiene.