前文浏览器插件实现GitHub代码翻译原型演示之后, 意识到现有在线翻译服务已经具备部分设想的功能.
第一个测试, 选了一个很小的Python入门例程:
class Person:
pass # An empty block
p = Person()
print(p)谷歌翻译:
班级人物：
传递＃空块
p =人（）
打印（P）百度翻译:
类人：
传递空块
P=个人（）
打印（P）有道翻译:
类人:
传递一个空块
p =人()
打印(p)搜狗翻译:
阶级人士:
传递#一个空块
p =人( )
印刷(印刷)可以看出, 谷歌翻译是唯一一个保全原有代码格式的. 而其他的都删除了缩进, 甚至空行和特殊字符(#). 这会很大影响代码可读性, 对Python来说也直接影响语义.
第二个测试, 也是很小的Java入门例程:
package com.headfirstjava.chapterseven.boats;
public class Boat {
private int length;
public int getLength() {
return length;
}
public void setLength(int len) {
length = len;
}
public void move() {
System.out.print("Drift! ");
}
}谷歌:
package com.headfirstjava.chapterseven.boats;
公共舱船{
private int length;
public int getLength（）{
返回长度;
}
public void setLength（int len）{
长度= len;
}
public void move（）{
System.out.print（“Drift！”）;
}
}它的翻译较为保守, 没有翻译很多与自然语言相差很大的代码行. 这也导致一处'length'变量名没有翻译.
百度:
包装件。
公务舱船
私有int长度；
Puint int GETLINTHOST（）
返回长度；
}
公共无效设置长度（int LeN）{
长度＝Le；
}
公共空隙MOVE（）
打印输出（“漂移”）；
}
}这里有不少将原词改写的情况, 比较不理解. 如getLength变为GETLINTHOST, len变为Le. 另外, 同样是void, 有'无效'和'空隙'两种翻译, 应该是考虑了上下文.
有道:
包com.headfirstjava.chapterseven.boats;
公共级艇
私人int长度;
public int getLength() {
返回长度;
}
public void setLength(int len) {
长度=兰;
}
public void move() {
System.out.print(“漂移!”);
}
}它也比较保守, 但同样的len, 一处没有翻译, 一处译为'兰', 这样也改变了代码语义.
搜狗:
Java . chaptersen .船；
公共船
私有整数长度；
公共整数getLength ( )
返回长度；
}
公共空隙设置长度(内部透镜) (
长度=镜头；
}
公共空间移动( )
系统输出打印(“漂移！”)；
}
}与百度类似, 也有改写词: chapterseven被缩减成chaptersen. 另外int被解释成'内部', 也许是认为原文是'in'的笔误?
------- 2018年十月2日 添加 --------
在Chrome翻译尝试如下, 发现比google在线翻译更进一步. 看起来html元素分割后, 不同语法部分可以更容易识别, 这与前文浏览器插件实现GitHub代码翻译原型演示是异曲同工.
package com.headfirstjava.chapterseven.boats ;
公共 舱 船 {
private int length;
public int getLength（）{
返回长度;
}
public void setLength（int len）{
长度= len;
}
public void move（）{
系统。出。打印（“漂移！”）;
}
}------- 2018年十月2日 添加结束 --------
基于上面的测试, 尝试列出一些源码翻译的目标:
编程语言方面
- 具备语法高亮. 虽然所有在线翻译都不具备这一功能, 但对于源码阅读来说是必需的.
- 代码语义不能改变. 比如某一变量翻译后, 它的所有引用也需翻译. 这和IDE中的'重命名'功能类似, 重构后的代码需要语义相同. 这依赖于语法分析和代码生成, 感觉是这个项目在编程语言方面门槛最高的部分之一. 另外, 代码格式不能改变, 各种缩进, 空行等必须保留
- 对无法识别语义的部分, 包括所有相关引用, 倾向于保留原文. 不仅节省计算资源, 也是翻错不如不翻的考虑.
翻译方面
- 长句自然语言部分可暂时不翻译. 源码文本中, 最接近自然语言的部分是常量字符串(如上面的"Drift!"), 以及注释行. 对于较长的整句自然语言, 短期很很难做到独立翻译.
- 支持关键词翻译: 编程语言关键词相对较易翻译, 使用字典一对一翻译.
- 命名尽量翻译: 需要进行词拆分(如按照驼峰命名法)之后进行类自然语言的翻译, 但多数是词或短语, 如上面的'setLength'. 对它们的翻译难度应该小于整句的自然语言翻译.
还有其他吗?
2018-09-10
