Результаты проверки локализации игры Don't Starve

Обычно в качестве исходных файлов для проверки возможностей программы локализации использую файлы локализации открытых программных продуктов, но в данном случае появилась возможность проверить локализацию коммерческого продукта, а именно, очень интересной игры "Don't Starve" (wikipedia).

Данная игра является коммерческим продуктом, размещенным в Steam.
Русификатор к данной игре представлен в виде отдельного мода "Russian Language Pack", который подключается к игре (см. рис. ниже).

Перевод игры производится на сайте Notabenoid (см. рис. ниже).

Автор мода (Some1) разрешил провести проверку локализации и опубликовать ее результаты.

В переводе используется буква "Ё", поэтому для проверки был использован модуль hunspell (см. справку программы) со словарями орфографии OpenOffice, в которых учитывается эта буква.

Файл локализации в формате PO (Gettext), судя по программе POEdit, имеет ошибки формата, а также использует кодировку Windows-1251 без указания на это. Присутствует ошибка дублирования msgid (см. "STRINGS.UI.SANDBOXMENU.TITLEDETAIL"), а также ряд замечаний по переводу генерируемых POEdit.
За исключением кодировки и оформления "шапки" файла формат в целом правильный, поэтому заменил кодировку на UTF8 и "бросил" файл на ярлык "Проверка PO-файла - для переводчика с автоматической проверкой орфографии (русский язык) (бросить файлы или каталоги)".

Сгенерированный отчет: скачать.

В переводе используется множество имен и придуманных названий животных("бифало"), которые отмечены ошибками, поэтому для постоянного использования проверки желательно внести эти слова в словарь исключений программы (см. справку), но для однократной проверки можно просто их проигнорировать.

Используются сокращения, транслитерация на русский язык ("летсплеи"), особенности написания ("ПЧЁ-Ё-Ё-Ё-Ё-ЛЫ"), узкоспециализированные термины ("стик"), описание звуков ("Ам-м-м", "Ам-ням-ням"), которые можно также добавить в словарь.

Есть явные ошибки:
басейн, джентельмен...

Следует учитывать контекст и дикцию персонажа, который возможно не выговаривает или коверкает некоторые буквы.
Явным является, например, "победю", а следующие слова уже на усмотрение локализатора:
chk:   болше     context:   STRINGS.CHARACTERS.WOODIE.DESCRIBE.ROCK_LIGHT.LOW     words:   Нужно болше... дров?
chk:   Надесь     context:   STRINGS.CHARACTERS.GENERIC.DESCRIBE.EYETURRET     words:   Надесь, эта шутка не будет палить в меня.
chk:   коньшмар     context:   STRINGS.CHARACTERS.GENERIC.DESCRIBE.KNIGHT_NIGHTMARE     words:   Это коньшмар!

Результаты проверки орфографии файлов локализации WordPress 3.7.1 Lecactus Edition

Предыдущие проверки в основном проводились на основе локализаций поддерживаемых целыми сообществами, но в данном случае решил провести проверку одной из наиболее популярных сборок WordPress - Lecactus.

Надеюсь найденные ошибки будут учтены в данной сборке и возможно, благодаря автору сборки, быстрей попадут в официальную версию программы.

Ссылка на исходные файлы:
http://lecactus.ru/download-manager.php?id=521

Проверка осуществлялась "броском" распакованного каталога на ярлык "Автоматическая проверка орфографии PO-файлов (OpenOffice, русский язык) (бросить файлы или каталоги)" (его следует добавить из меню программы в "Пуск" на рабочий стол), после чего был автоматически открыт сформированный html-файл отчета в браузере.

ОТЧЕТ ПО ПРОВЕРКЕ ОРФОГРАФИИ:

Графы орфографических ошибок:

Часть слов написана начиная с латинской буквы:

Cпрятать, cтраниц, cтраница, cтраницы

Список файлов и найденных замечаний (без учета предыдущих):

File: wordpress\wp-content\languages\admin-network-ru_RU.po
000084 chk: соответсвующие text: Для поиска пользователя или сайта, используйте соответсвующие окна поиска. 000190 chk: проблеами text: Настройки регистрации могут разрешать или запрещать публичную регистрацию... 000236 chk: привелегии text: Главные администраторы ... 001018 chk: сарвер text: Внимание! Проблема при обновлении %1$s. Ваш сарвер не может подключиться ко всем запущенным на нем сайтам. Сообщение об ошибке: <em>%2$s</em> 001175 chk: привелегию text: Вы можете сделать существующих ... 001265 chk: нструментов text: Режим множества сайтов будет включен сразу после добавления этого кода и обновления окна браузера. ... 001589 chk: уникакльный text: Этот уникакльный ключ ... 001592 chk: уникакльные text: Эти уникакльные ключи ... 001595 chk: уникакльные text: Эти уникакльные ключи ...

Результаты проверки орфографии файлов локализации Drupal 8.0-alpha4

Проверка осуществлялась по файлам локализации Drupal core (8.0-alpha4) с сайта https://localize.drupal.org/translate/languages/ru.

Ссылка на исходный файл:
http://ftp.drupal.org/files/translations/8.x/drupal/drupal-8.0-alpha4.ru.po

Проверка осуществлялась "броском" po-файла на ярлык "Автоматическая проверка орфографии PO-файлов (OpenOffice, русский язык) (бросить файлы или каталоги)" (его следует добавить из меню программы в "Пуск" на рабочий стол), после чего был автоматически открыт сформированный html-файл отчета в браузере.

Часть слов написана с латинскими буквами:

Cредство, сron

Список файлов и найденных замечаний (без учета предыдущих):

File: drupal-8.0-alpha4.ru.po

000416     chk:   отсуствует     text:   снимок экрана отсуствует
000520     chk:   огрлавления     text:   Убрать из огрлавления
001004     chk:   коментарий     text:   1 коментарий
001010     chk:   комментрий     text:   1 новый комментрий
001590     chk:   кеширования     text:   Включение/выключение кеширования страниц для анонимных пользователей, а также оптимизации CSS и JS.
003087     chk:   длинее     text:   Ссылки длинее этого количества знаков обрезаются, чтобы избежать нарушения форматирования текста. Сама ссылка сохраняется, но ее текстовая часть обрезается.
003855     chk:   Фильтраци     text:   Фильтраци представления по текущему вошедшему пользователю.
003998     chk:   Доспутные     text:   Доспутные действия
004576     chk:   кеширование     text:   Простое кеширование данных, основанное на времени.
004931     chk:   помеченые     text:   Глубина будет соответствовать ...
004987     chk:   разделеные     text:   ID терминов, разделеные ',' или '+'
005128     chk:   заголока     text:   Этот заголовок будет отображаться с представлением, на месте обычного заголока, таком, как Заголовок страницы, блока и т.п.

Результаты проверки орфографии файлов локализации Joomla 3.1.4

Проверка осуществлялась по файлам локализации сайта joomlaportal.ru.

Ссылка на исходные файлы:
http://joomlaportal.ru/downloads/joomla/languages/ru-RU_joomla_lang_full_3.1.4v1.zip

Проверка осуществлялась "броском" распакованного каталога локализации на ярлык "Автоматическая проверка орфографии любых файлов (UTF8, OpenOffice, русский язык) (бросить файлы или каталоги)" (его следует добавить из меню программы в "Пуск" на рабочий стол), после чего был автоматически открыт сформированный html-файл отчета в браузере.

ОТЧЕТ ПО ПРОВЕРКЕ ОРФОГРАФИИ:

Графы орфографических ошибок:

PDF-версия графа с указанием слов

Часть слов написана начиная с латинской буквы:
cинтаксис, Cнежок, Cписок, cсылки, Cсылки

Возможно слово "интернационализованные" следует заменить на "интернационализированные"?

Список файлов и найденных замечаний (без учета предыдущих):

File: C:\testsourcelocalizer\joomla\admin_ru-RU\ru-RU.com_tags.ini

000113     chk:   меткм     text:   COM_TAGS_N_ITEMS_TRASHED_2="%d меткм отправлены в корзину"
000118     chk:   расчитанная     text:   COM_TAGS_NUMBER_COLUMNS_DESC="Количество колонок для вывода меток. Обратите внимание, что для вывода меток используется сетка, расчитанная на 12 колонок."
000166     chk:   Параметы     text:   COM_TAGS_TAG_VIEW_LIST_OPTION="Параметы отображения списка"

Необходимость проверки орфографии в комментариях для внутренней документации на примере XMLDoc и программы "Локализатор исходного кода"

В постах очень часто затрагиваю тему орфографии текстовых фрагментов переменных в коде программы, но проверка орфографии комментариев так же важна.

Часто комментарии пишутся для внутреннего использования, и орфографические ошибки в них считаются не критичными, так как клиент их не увидит.
Но даже в случае "закрытого кода", когда код программ не доступен клиентам, ошибки из комментариев могут попасть в документацию по API-функциям программы, которая, как правило, генерируется из специально оформленных комментариев, и клиенты смогут
оценить грамотность (или неграмотность) программистов.

Популярными форматами документирования кода для формирования документации являются JavaDoc, XMLDoc и ряд других.

Программа "Локализатор исходного кода" написана на MS Visual Basic и использует оформление комментариев XMLDoc, которое позволяет получать интерактивные подсказки при написании кода по функциям и их параметрам.
Для формирования документации по коду проекта используется SandCastle.

Далее приведены скриншоты созданной документации (из chm-файла).

Список функций одного из классов:

Проверка орфографии на сайтах основанных на mediawiki

Mediawiki популярная CMS для разработки сайтов в стиле wikipedia, позволяющая
организовать отлично структурированный справочный(обычно) сайт, которая не только позволяет легко получить необходимую информацию с помощью простой навигации, но и дает возможность пользователям сайта вносить правки в статьи.

Множество проектов использует эту CMS или схожую с ней.

Такими проектами являются: 

• Справочный сайт ОС OpenSuse - http://ru.opensuse.org/ (MediaWiki 1.19.3)
• Популярный сайт игровой тематики sc2tv - http://sc2tv.ru/wiki (MediaWiki 1.19.2)
• Публичная неофициальная документация хостинга 1gb.ru - http://1gb.ru/wiki (MediaWiki)
• Школьная база знаний - http://wiki.nntc.nnov.ru (MediaWiki 1.19.2)

Ряд проектов используют схожие CMS, например Справочный сайт ОС Ubuntu - http://help.ubuntu.ru/wiki/ (DokuWiki)


Приведенный далее пример проверки орфографии рассчитан на MediaWiki, но возможно подойдет и для DocuWiki (Ubuntu).

Как видно из приведенного перечня сайтов, данная CMS успешно применяется для различных сфер деятельности.

В тоже время на ряде сайтов присутствуют ошибки:

• ru.opensuse.org/openSUSE:Общение - см. "новичек"
• help.ubuntu.ru/wiki/virtualbox - см. "диаллог". Слово "cистемы" начинается с латинской буквы, в "сd-rom" - русская "с", что делает невозможным нахождение таких слов поиском, что может быть серьезной проблемой поиска термина в wiki, если в нем будет такая опечатка.
• sc2tv.ru/wiki/index.php?title=Заглавная_страница - см. "комаду", "едиственным".

Перечисленные ошибки обнаружены 21-11-2013 и, соответственно, их можно найти в истории, если они будут исправлены. Я на это рассчитываю, так как обращусь к данным порталам с предложением проверки их wiki-проектов, что позволит улучшить ситуацию с орфографией на порталах и заодно проверить возможности моей программы. При разрешении публикации таких отчетов по wiki - выложу их в обновлениях к данному посту.

Граф орфографических ошибок

Программа локализации успешно строит различные отчеты по орфографическим ошибкам в исходных кодах проектов, например, для Ubuntu, см. "Результаты проверки орфографии исходного кода Ubuntu 13.04"

Отчеты представлены в виде xml в формате junit, а также в виде html-документов с применением гиперссылок для связывания отчетов и подотчетов, а также css-оформлением для большей наглядности и удобства использования.

Но в больших проектах со значительным количеством ошибок текстовые отчеты не дают возможности увидеть общую картину ошибок и отслеживать процесс исправления, как позволяют простые картинки инфографики, на которых отражена ключевая информация.

В качестве одной картинки, по которой можно оценить объем исправлений и проверить текущее состояние проекта с точки зрения орфографии, я решил реализовать в программе создание графов со специальным оформлением.

Пример графа для каталога примеров программы локализации:
 
PDF-версия графа.

Описание графа:

• желтым очень крупно - каталоги;
• серым - файлы, в которых нет слов для проверки;
• зеленым - файлы, в которых есть слова, но нет ошибок;
• красным крупно - файлы со словами, в которых есть орфографические ошибки.

Единым корнем графа является "каталог" "ROOT". Файлы не относящиеся к локализации (временные, картинки, пр.) в графе игнорируются.

Построил общий граф без учета орфографии по всем файлам DoubleCommander для примера проекта со сложной структурой (скачать http://sourceforge.net/projects/doublecmd/files/Double%20Commander%20Source/doublecmd-0.5.7-src.tar.gz/download)

Данный граф строится программой в виде файла со структурой dot, который легко можно создать с помощью выгрузки отчета в файл с помощью параметра: