关于我：大厂摸鱼 + 业余独立开发，之后会输出深度技术文章 + 独立开发技巧
我的往期技术文章合集：RickeyBoy - Gitbub
我的独立开发 App：iColors - 设计灵感 配色助手
🫙 数据库内容翻译
首先我们需要对我们的数据进行翻译。因为我的 App 「iColors」内部有非常多内容数据，通过 CoreData 进行管理，这些数据都需要进行翻译，这一部分的工作量实际上是非常大，以及非常复杂的。
难点分析
首先比如像 App 主打的中国传统色，其实每一种颜色都需要翻译对应的英文名，而且为了保持调性，需要非常高质量的翻译，尽量让英文名也能尽量保持优雅、简洁。
我截图两个页面举例，可以看到其实中国传统色本身的名字就很有诗意，也有些偏僻；最终翻译出来的结果也要能做到同样的效果。
| 中文版 | 英文版 |
|---|---|
 |
 |
另外，「iColors」数据库整体非常的庞大，除了大量中国传统色之外，还有大量的色组配色，全部都需要高质量的翻译。
| 中文版 | 英文版 |
|---|---|
 |
|
所以这一个章节我将专门讲一讲我如何把这些内容翻译好。
需要再额外说明的是，如果你的 App 不涉及到特别多本土化的内容，那么其实可以跳过这一步。毕竟这一步的复杂过程，有因为我的独立 App 的特殊之处。
第一步：提取待翻译的文案
首先需要从数据库中，将所有涉及到文案全部整理出来。这一步相对简单，主要是为了方便后续的翻译。
比如我的原始数据是以 Json 的方式存在，通过 Python 脚本就可以将其中需要翻译的名字提取出来，整理成表格形式。
当然，如果你不会写的话，也可以让 ChatGPT 帮你写一个 Python 脚本。需要描述清楚你的原始数据类型，以及你的目标形式，很快就可以有一个非常完美的脚本了。
这一步相对简单，我就不过多废话了。
第二步：翻译文案
整理好了需要翻译的内容之后，接下来就是喂给 ChatGPT，然他帮忙翻译了。如果你是尊贵的 GPT-4 用户，那么可以直接将整个文件直接上传，要不然就分批操作也是没问题的。
在 prompt 阶段，可以说明一些要求，比如要求翻译名 "elegant"、"simple"、"poetic" 等。
虽说翻译完成之后仍旧需要人工对这些翻译进行一个检查，不过有了 AI 的帮助，这个过程也还是轻松很多了。
第三步：将 CoreData 数据对应的文案塞入
核心就是将翻译后的英文，拼接到对应的数据之中，这一步也通过 Python 脚本实现。核心代码如下
python
import pandas as pd
import json
# 读取翻译文件
file_path = 'xxx.xlsx'
xls = pd.ExcelFile(file_path)
data_dict = {}
for sheet_name in xls.sheet_names:
df = pd.read_excel(xls, sheet_name, header=None)
# 遍历所有行，并且把其中英文到字典中
for index, row in df.iterrows():
key = row[0] # Value from column 1
value = row[1] # Value from column 2
data_dict[key] = value
xls.close()
# 按照 Json 格式输出
output_file = 'xxx.json'
with open(output_file, 'w', encoding='utf-8') as f:
json.dump(data_dict, f, ensure_ascii=False, indent=4)用一张图来说明前三步做的事情：
这里只是以中国传统色来进行说明（实际上除了传统色还有大量色彩组合需要处理），翻译后在原有的数据结构上增加了对应的英文翻译内容。这样就可以进行下一步了，对 CoreData 底层进行升级，从而在 App 内读取到对应的中英文名称。
国际化系列文章的第二篇，主要是简单描述一下对于 App 数据库中的内容，借助 ChatGPT 进行翻译的一个过程。有了翻译后的数据，接下来就需要升级 CoreData 架构，从而在 App 中使用中英文数据了。这些内容会更新在下一篇！