开源一套Trados Sdlxliff 对比工具
在Trados翻译过程中经常对需要进行版本控制和对比,例如对比不同设置下生成的sdlxliff文件,对比不同的机器翻译结果以及对比机器翻译和人工翻译,对比翻译和审校等等。
当然SDL官方也提供了对比工具
https://appstore.rws.com/Plugin/43?tab=releases
但官方的这种是基于TradosAPI的比较笨重,可定制化程度不高,因此还是单独又制作了一个sdlxliff对比工具:
https://github.com/Dark-20001/CompareSdlxliff/
这个和官方工具不同,官方使用Trados内置API来做因此2017,2019,2021,2022各个版本都不一样要下载对应的版本,所以此版本按照xliff文件标准来执行,独立运行,不依赖于Trados.
程序不是XML直接读取sdlxliff,因为sdlxliff会以base64编码形式讲小于25MB的文件编入sdlxliff这部分其实意义不大,所以我跳过这个部分。(sdlxliff这么多年也应该改进一下了,这种基于xml的文件结构经常出现问题,越来越多的软件企业使用zip格式二次封装文件,这样能够将不同独立的组件部分,嵌入部分进行分离,例如docx,xlsx)
csharp
string line1 = xlifflines.First();
List<string> base64lines = new List<string>();
int s = line1.IndexOf(bmark);
if (s != -1)
{
string lineb = line1.Substring(s + 29);
base64lines.Add(lineb);
line1 = line1.Substring(0, s + 29);
xlifflinesClean.Add(line1);
int cc = 1;
for (int i = 1; i < xlifflines.Count; i++)
{
if (xlifflines[i].StartsWith(bmarkStop))
{
xlifflinesClean.Add(xlifflines[i]);
cc = i;
break;
}
else
{
base64lines.Add((string)xlifflines[i]);
}
}
for (int i = cc+1; i < xlifflines.Count; i++)
{
xlifflinesClean.Add(xlifflines[i]);
}
}
之后在进行xml解析
csharp
doc = XDocument.Parse(String.Join("\r\n", xlifflinesClean));
doc = XDocument.Parse(string.Join("\r\n",xlifflines));
解析之后就是常规操作,提取TranslationUnits和ID
csharp
IEnumerable<XElement> transunits = doc.Descendants(XName.Get("trans-unit", xnxliff));
string tuid = transunit.Attribute("id").Value;
由于文件是带有XML命名空间的,这里要提前声明,这样对比Xml.Linq确实方便
csharp
string xnsdl = "http://sdl.com/FileTypes/SdlXliff/1.0";
string xnxliff = "urn:oasis:names:tc:xliff:document:1.2";
开两个文件得到两组数据,类型如下
csharp
Dictionary<Guid, string> keyValuePairs = new Dictionary<Guid, string>();
然后进行比较,这里没有引入自定义类型,使用Dictionary,效率更高
匹配成功的分别存入paired1,paired2并且ID相同,匹配不上的存入unpaired
这样即使两文件差异较大也能存留记录
csharp
Dictionary<Guid, string> keyValuePairs1 = ReadSdlxliff(file1, mtOnly, isTarget);
Dictionary<Guid, string> keyValuePairs2 = ReadSdlxliff(file2, mtOnly, isTarget);
Dictionary<Guid, string> paired1 = new Dictionary<Guid, string>();
Dictionary<Guid, string> paired2 = new Dictionary<Guid, string>();
Dictionary<Guid, string> unpaired = new Dictionary<Guid, string>();
//match
foreach (KeyValuePair<Guid, string> unit1 in keyValuePairs1)
{
IEnumerable<KeyValuePair<Guid,string>> selectedUnits = from unit in keyValuePairs2 where unit.Key == unit1.Key select unit;
if (selectedUnits.Count() > 0)
{
paired1.Add(unit1.Key, unit1.Value);
paired2.Add(unit1.Key, selectedUnits.First().Value);
}
else
{
unpaired.Add(unit1.Key,unit1.Value);
}
}
开始比较,使用了异地第三方开源的库,支持按字符和按单词的两种文本比较
csharp
public enum ComparisonType
{
Words,
Characters
}
csharp
foreach (KeyValuePair<Guid, string> unit1 in paired1)
{
StringBuilder cb = new StringBuilder();
List<string> list1 = new List<string>();
List<string> list2 = new List<string>();
list1.Add(unit1.Value);
list2.Add(paired2[unit1.Key]);
List<ComparisonTextUnit> comparisonTextUnits = comparer.GetComparisonTextUnits(list1, list2, comparisonType);
foreach (ComparisonTextUnit u in comparisonTextUnits)
{
switch (u.ComparisonTextUnitType)
{
case ComparisonTextUnitType.Identical:
cb.Append(u.Text);
break;
case ComparisonTextUnitType.Removed:
cb.Append("<span class='removed'>");
cb.Append(u.Text);
cb.Append("</span>");
changeRate.Removed += u.Text.Length;
changeRate.RemovedCount++;
break;
case ComparisonTextUnitType.New:
cb.Append("<span class='added'>");
cb.Append(u.Text);
cb.Append("</span>");
changeRate.Added += u.Text.Length;
changeRate.AddedCount++;
break;
default:
break;
}
}
}
剩下就是输出报告,并且在比较之前可以增加根据TranslationUnit属性,状态做一些筛选