使用现有在线翻译服务进行代码翻译的体验

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

1. 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.
2. 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
3. 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

1. 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.
2. 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.
3. 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