正则篇（五）：用正则进行文本解析

文本解析也是我们拿到原文之后遇到的比较头疼的问题。

正则表达式不仅可以应用于文件准备，还可以在文档导入至CAT工具的时候，帮我们解析原文本。

1. 只导入原文中需要翻译的内容

2. 排除原文中不需要翻译的内容

案例一

这份文档原文是*.txt格式。通过下方的文档你也能看出，需要翻译的其实只有引号内的内容。

如果全都导入到CAT工具中，我们看看效果～

我们发现，如果不对文本进行解析，那导入之后就会有一些问题：

• 很明显，工作量增加了。比如第一句，我实际上只有Open file in new window需要翻译，但是凭空多了前面很多字符；

• 质量也有可能出现问题。甭说别的，复制粘贴也容易出错啊！少一个冒号、多一个空格都是会影响程序后期的测试上线。

  要是碰上个不懂的译员，好嘛连代码也一并给翻译了，那可就坏事儿了～后期光调整代码就挺费时间的～～

为什么会这样呢？

任何一款CAT工具，在进行文本解析的时候，都是基于默认的文件后缀名进行文本解析的。

不同的文件后缀名有不同的默认过滤器。

如果你理解不了过滤器，我举一个例子。

我们知道，*.docx的word文档，底层其实是由很多代码组成的，但是如果你用office或者wps打开，只能看到这些文字，看不到这些代码，原因就是工具帮你过滤/解析掉了～

在CAT工具里，这些默认的工具就是各种过滤器～

比如：

• 我们最常见的*.docx文档，导入时候默认用的是Microsoft Word过滤器；

• *.xlsx文档，导入时默认用的是Microsoft Excel过滤器

• *.txt文档，导入时默认用的是纯文本过滤器

• *.xml文档，导入时默认用的是xml过滤器

当然，还有各种各样类型的文档，默认情况下都是用默认的过滤器～

至于每个过滤器在各个翻译工具中可以怎么使用，可以找到对应的帮助文档去查一下，在这里我先不详细展开哈哈哈哈哈～

怎么解决呢？

通过正则表达式文本进行文本解析，把要翻译的引号内的内容解析出来，让译员只翻译该翻的就好了～

• memoQ中用的是正则表达式文本过滤器

• trados中可以用txt过滤器，再用内嵌内容处理器定义开头结尾的正则

• 其他的CAT工具也是类似的（但是前提是能用正则进行文本解析才行～）

在这里我们用memoQ来演示操作：

1. 分析原文，定义正则

分类：ID123 : file.menu =" Open file in new window ",

其中，

• ID123 是上下文；

• file.menu是注释；

• Open file in new window是需要翻译的内容；

写正则：(ID\d+) : (.+)? =" (.+)? ",

其中，

• 第一个括号内ID\d+是上下文；

• 第二个括号内.+是注释；

• 第三个括号内.+是需要翻译的内容；

2. 测试过滤器

我们先按照上文的正则内容，设置过滤器。

设置完成后一定要预览一下效果～

3. 导入至CAT工具中进行翻译

过滤器没有问题之后，我们可以用这个过滤器将文档导入～

操作：选择性导入 > 选择文档 > 更改过滤器和配置 > 正则表达式文本过滤器 > 选择过滤器 > 确定。

解析过后我们再来看一下效果～

同时还可以看到上下文和注释～

放一整个操作视频～

其他案例

我们再来看上篇内容中给大家准备的这个案例。

案例二

原文来自通信领域，原文是*.txt格式，只需要翻译引号内的内容。

这次我们换一个更简单的方法来设置正则～

• 导入前正则："

• 导入后正则："

• 需要导入的内容规则：.+

过滤器设置如下：

我们对比一下：

操作视频：

案例三

原文是*.txt格式，只需要翻译特殊符号后面（如##）的内容。

我们用案例二提到的正则文本过滤器导入这个文档试试～

案例四

原文是*.txt格式，只需要翻译等号后面的内容。

我们还是用正则文本过滤器导入这个文档试试～

结语

正则可以帮助我们解析很多无法搞定的特殊文本，比如不规则的*.md、word 、PO文档等等。

下次再有复杂搞不定的文本，可以尝试这个方法啦～

好啦这期正则篇先到这里，下期我们分享用正则定义标签。

你还想学什么，欢迎来问～

往期精选

正则篇（四）：源文件准备

正则篇（三）：用正则在CAT中查找和替换

正则篇（二）：如何写一个正则表达式

正则篇（一）：认识正则表达式